关键词：卷积神经网络 量化 批规范化 

摘要：随着深度卷积神经网络对计算量与访存量的需求增加,网络压缩与加速技术成为近几年的研究热点。针对网络架构改进、伪量化等重训练方法在压缩深度卷积神经网络时存在算力要求大、数据集难获得以及部署周期长等缺点,论文提出一种有效利用卷积神经网络数值均衡以及批规范化和ReLU非线性激活组合信息特点的压缩加速方法,只需对预训练网络模型权值进行调整即可达到较好的压缩加速效果。该方法适合在FPGA或ASIC这类定制硬件上实现,并能够实现硬件逻辑资源、能耗、访存带宽以及物体检测精度之间的平衡。最后,在人脸检测任务上验证了该卷积神经网络低位宽量化推理方法的有效性。

计算机与数字工程杂志要求:

{1}注释主要包括释义性注释和引文注释。释义性注释是对文章正文中某一特定内容的进一步解释或补充说明；引文注释包括各种引用文献的原文摘录，要详细注明节略原文。

{2}请勿一稿多投，本刊实行双向匿名审稿制，稿件三个月后未被采用，作者可自行处理。

{3}请勿一稿两投；请遵循学术规范，如出现剽窃，文责自负。

{4}引言切忌与摘要雷同，也不是摘要的注释；应与结语呼应，引言中提出的问题，结语中应有回答，但不能雷同。

{5}关键词：一般每篇论文标引2～5个关键词。请尽量使用美国国立医学图书馆编辑的最新版IndexMedicus中医学主题词表(MesH)内所列的词。必要时，可采用习用的自由词并排列于最后。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社