卷积神经网络层级分解研究

• 作者: 廖蕊 林小竹 柯岩 魏战红
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 卷积神经网络 卷积核 感受野 网络深度 中心极限定理
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 191-197
• 页数: 7页
• 分类号: TP391
• 字数: 4842字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0053044

摘要

随着深度学习的不断发展,卷积神经网络(CNN)在目标检测与图像分类中受到研究者的广泛关注.CNN从LeNet-5网络发展到深度残差网络,其层数不断增加.基于神经网络中“深度”的含义,在确保感受野相同的前提下,给定标准的输入图片和输出特征图,对不同层数的卷积神经网络进行训练,并将训练结果与标准输出图进行对比.在此基础上,对标准的3x3卷积核进行分解,构建由2x2大小卷积核组成的CNN.根据目标特征是否具有中心对称的性质,提出多层卷积网络初始权值的选取规则.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林小竹	北京石油化工学院信息工程学院	54	628	13.0	22.0
2	魏战红	北京石油化工学院信息工程学院	9	3	1.0	1.0
3	柯岩	北京石油化工学院信息工程学院	3	5	1.0	2.0
7	廖蕊	北京石油化工学院信息工程学院	1	0	0.0	0.0