一种面向微控制器上环境声音分类的DNN压缩方法

作     者：孟娜 方维维 路红英 MENG Na;FANG Wei-wei;LU Hong-ying

作者机构：北京交通大学计算机与信息技术学院北京100044 

出 版 物：《计算机与现代化》 (Computer and Modernization)

年 卷 期：2024年第1期

页      码：80-86页

摘      要：环境声音分类(Environmental Sound Classification,ESC)是非语音音频分类任务最重要的课题之一。近年来,深度神经网络(Deep Neural Network,DNN)方法在ESC方面取得了许多进展。然而,DNN是计算和存储密集型的,无法直接部署到基于微控制器(Microcontroller Unit,MCU)的物联网设备上。针对这一问题,本文提出一种用于资源高度受限设备的DNN压缩方法。由于DNN模型参数规模较大无法直接部署,因此提出使用剪枝方法进行大幅压缩,并针对该操作带来的精度损失问题,设计一种基于模型中间层特征信息的知识蒸馏方法。基于STM32F746ZG设备在公开的数据集(UrbanSound8K、ESC-50)上进行测试,实验结果表明,本文方法能够获得高达97%的压缩率,同时保持良好的推理精度和速度。

主 题 词：环境声音分类 边缘计算 微控制器 剪枝 知识蒸馏 量化 

学科分类：08[工学] 081101[081101] 0811[工学-水利类] 

D　O　I：10.3969/j.issn.1006-2475.2024.01.013

馆 藏 号：203126060...