基于轻量型卷积神经网络的图像识别

• 作者: 冯燕燕 周悦 曾上游 杨远飞 潘兵
• 来源期刊: 电视技术
• 学科: 工学
• 关键词: 卷积神经网络 分类精度 轻量型 并行处理
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 数字视频
• 页码范围: 40-44
• 页数: 5页
• 分类号: TP391.4
• 字数: 3949字
• 语种: 中文
• DOI: 10.16280/j.videoe.2018.03.006

摘要

针对卷积神经网络参数数量多并且分类精度不高的问题,提出了基于轻量型的卷积神经网络模型.该模型是把上层输出先通过数量较少的卷积核,再通过并行操作得到与原模型相同维度的输出.并行处理时,通过不同的卷积核大小增加特征的多样性,最后采用级联或融合的方式把并行输出整合在一起.和同规模的模型相比,该模型在减少参数的同时增加了网络的深度.在实验阶段用该网络在caltech256和I01 food数据集上进行测试,实验结果表明该模型性能更优.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周悦	广西师范大学电子工程学院	13	16	2.0	3.0
2	曾上游	广西师范大学电子工程学院	20	28	3.0	4.0
3	潘兵	广西师范大学电子工程学院	6	10	2.0	3.0
4	杨远飞	广西师范大学电子工程学院	6	20	3.0	4.0
5	冯燕燕	广西师范大学电子工程学院	5	14	2.0	3.0