全文总字数：1158字

1. 研究目的与意义及国内外研究现状

目前，cnn在计算机视觉领域得到了广泛的应用。

针对不同的计算机视觉任务，基于cnn的深度学习都有着出色的表现。

但是cnn由于模型的参数众多和对计算能力有着很高的要求，将其应用于移动端设备如手机上受到了极大的限制。

2. 研究的基本内容

本文基于量化卷积神经网络框架（Q_CNN）对深度卷积网络模型进行量化压缩，具体研究：量化深度模型中的全连接层来压缩模型，量化卷积层来提高网络运算速度，引入误差校正来缩小压缩后模型与原始模型在准确率上的差距。

最后开发一款安卓手机应用，在手机移动端部署压缩后模型完成图像分类任务。

3. 实施方案、进度安排及预期效果

实施方案：

基于q_cnn框架对深度卷机网络模型进行压缩，在手机端通过jni方式调用压缩后模型完成图像分类任务。

4. 参考文献

quantized convolutional neural networks for mobile devices

product quantization for nearest neighbor

search http://cs231n.github.io/convolutional-networks/