三维医学图像分割的训练后网络压缩：通过 Tucker 分解减少计算工作量

原文约300字，阅读约需1分钟。发表于：。

通过张量分解研究网络压缩的有效性，我们提出了一种后训练 Tucker 分解方法，以减少预先存在模型的计算要求，而不会影响分割准确性。这种方法能够在计算效率和分割质量之间提供可调节的权衡，并且适用于医学图像分割模型的计算需求降低。

本文介绍了自适应的维度调整Tucker分解网络压缩方法（ADA-Tucker）和其扩展模型Shared Core ADA-Tucker（SCADA-Tucker），成功降低了LeNet-5和LeNet-300的存储需求，并在其他基准测试和深度网络上取得了良好效果。