基于双线性插值和池化的尺度可变网络

• 作者: 崔诗宴 赵巍颂 钟汇才 高兴宇
• 来源期刊: 电子设计工程
• 学科: 工学
• 关键词: 卷积神经网络 可变尺度池化 双线性插值 尺度可变网络 车型分类 目标检测
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 计算机技术与应用
• 页码范围: 19-24
• 页数: 6页
• 分类号: TP399
• 字数: 2137字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-6236.2019.01.005

摘要

目前基本上基于卷积神经网络的网络模型,其输入都是固定尺寸的图片.当我们希望检测或识别的图片大小不一时,有两种解决办法:一是从原始图像中剪裁一部分传入网络,或者将图像缩放成需要的大小然后传入网络.这必然会导致图片信息的丢失和变形,影响图像识别和目标检测精确度.本文利用可变尺度池化和双线性插值的思想提出了尺度可变网络,使得网络支持不同尺寸的输入.在CompCars细粒度车型分类任务中,应用可变尺度网络后,不同尺寸下分类准确度平均提升5％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钟汇才	中国科学院微电子研究所	12	15	2.0	3.0
2	高兴宇	中国科学院微电子研究所	9	21	3.0	4.0
3	赵巍颂	中国科学院微电子研究所	2	2	1.0	1.0
7	崔诗宴		1	2	1.0	1.0