基于DenseNet的图像识别方法研究

• 作者: 王竣生 王许 高建瓴
• 来源期刊: 贵州大学学报（自然科学版）
• 学科: 工学
• 关键词: DenseNet网络 图像识别 深度学习 卷积神经网络
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 工程科学研究及应用
• 页码范围: 58-62
• 页数: 5页
• 分类号: TP391.4
• 字数: 3049字
• 语种: 中文
• DOI: 10.15958/j.cnki.gdxbzrb.2019.06.12

摘要

在深度学习中,随着神经网络层数的加深,训练网络变得越来越困难,现有的浅层的网络无法明显提升网络的识别效果.针对在原有网络的情况下提升网络识别效果,减少参数的问题,本文提出一种改进的DenseNet网络模型,借鉴Inception V3的思想,利用非对称卷积将DenseNet网络中Dense Block层所包含的3×3卷积分解成3×1和1×3的两个卷积,简化网络结构模型.之后再对改进前与改进后的网络模型在数据集上进行训练,实验结果表明,与经典的DenseNet网络模型相比,改进后的网络模型可以提高图像识别的准确性,降低参数,有效地缩短运行时间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高建瓴	贵州大学大数据与信息工程学院	39	126	7.0	9.0
2	王许	贵州大学大数据与信息工程学院	19	24	3.0	4.0
3	王竣生	贵州大学大数据与信息工程学院	1	1	1.0	1.0