多尺度并行融合的轻量级卷积神经网络设计

• 作者: 夏海英 廖志贤 曾上游 李鹏 范瑞 蒋品群
• 来源期刊: 广西师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 卷积神经网络 深度可分离卷积 残差学习 并行卷积
• 年，卷（期）: 2019,（3）
• 页码范围: 50-59
• 页数: 10页
• 分类号: TP183
• 字数: 3814字
• 语种: 中文
• DOI: 10.16088/j.issn.1001-6600.2019.03.006

摘要

针对传统深度卷积神经网络分类精度不佳,参数量巨大,难以在内存受限的设备上进行部署的问题,本文提出了一种多尺度并行融合的轻量级卷积神经网络架构PL-Net.首先,将上层输出特征图分别送入两种不同尺度的深度可分离卷积层;然后对并行输出特征信息进行交叉融合,并加入残差学习,设计了一种并行轻量型模块PL-Module;同时,为了更好地提取特征信息,利用尺度降维卷积模块SR-Module来替换传统池化层;最后将上述两个模块相互堆叠构建轻量级网络.在CIFAR10、Caltech256和101_food数据集上进行训练与测试,结果表明:与同等规模的传统CNN、MobileNet-V2网络及SqueezeNet网络相比,PL-Net在减少网络参数的同时,提升了网络的分类精度,适合在内存受限的设备上进行部署.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蒋品群	广西师范大学电子工程学院	49	368	9.0	17.0
2	李鹏	广西师范大学电子工程学院	18	38	3.0	5.0
3	廖志贤	广西师范大学电子工程学院	33	203	7.0	13.0
4	夏海英	广西师范大学电子工程学院	24	118	7.0	10.0
5	曾上游	广西师范大学电子工程学院	20	28	3.0	4.0
6	范瑞	广西师范大学电子工程学院	2	1	1.0	1.0