随着近几年来深度学习的兴起，其在目标检测、图像分类、语音识别、自然语言处理等机器学习领域都取得了重大的突破，其中以卷积神经网络在深度学习中的运用较多。自VGGNet出现以来，深度学习逐渐向深层的网络发展，网络越来越深，这不仅增大了对硬件平台存储、运行内存的需求，还大大增加了计算量，对硬件平台资源的要求越来越高。因此将深度学习应用于嵌入式平台尤为困难。对此，通过对模型进行剪枝的方法将训练好的网络模型压缩处理，在基本保证准确率的情况下去除不重要的参数，缩减模型，减小网络的计算复杂度，将深度学习应用于

深卷积神经网络中基于多参数优化的自然图像分类

深卷积神经网络中基于多参数优化的自然图像分类