紧凑型深度卷积神经网络在图像识别中的应用

作     者：吴进 钱雪忠 WU Jin;QIAN Xuezhong

作者机构：江南大学物联网工程学院江苏无锡214122 

基　　金：国家自然科学基金No.61673193 中央高校基本科研业务费专项资金Nos.JUSRP51635B JUSRP51510~~ 

出 版 物：《计算机科学与探索》 (Journal of Frontiers of Computer Science and Technology)

年 卷 期：2019年第13卷第2期

页      码：275-284页

摘      要：针对深度卷积神经网络的结构越来越复杂,参数规模过于庞大的问题,设计出一种新的紧凑型卷积神经网络结构Width-MixedNet和其多分支的基本模块Conv-mixed,该架构扩展了卷积神经网络的宽度。Convmixed利用分支结构使多个不同的卷积层处理同一个特征图,提取不同的特征。在深度卷积神经网络的识别任务中,使用多个小型卷积层叠加,逐层缩小特征图的方法代替全连接层进行最后的特征提取。整个Width-MixedNet架构的参数数量只有3.4×10~5,仅有传统深度卷积神经网络的1/30。分别在CIFAR-10、CIFAR-100和MNIST数据集上进行实验,准确率分别达到了93.02%、66.19%和99.59%。实验表明,Width-MixedNet有更强的学习能力和表现能力,在提高识别精度的同时,大大降低了网络的参数规模。

主 题 词：深度学习 卷积神经网络 紧凑型结构 宽度扩展 图像识别 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 

核心收录：

D　O　I：10.3778/j.issn.1673-9418.1808018

馆 藏 号：203454771...