基于局部感受野扩张D-MobileNet模型的图像分类方法

• 作者: 王威 王新 邹婷
• 来源期刊: 计算机应用研究
• 关键词: 图像分类 深度神经网络 MobileNet 空洞卷积 D-MobileNet
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 图形图像技术
• 页码范围: 1261-1264,1270
• 页数: 5页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.10.0781

摘要

针对轻量级深度神经网络MobileNet会减少分类准确率的问题,将空洞卷积核引入MobileNet模型的某一卷积层中,提出一种基于局部感受野扩张的D-MobileNet模型.该模型根据空洞卷积核所在位置的不同分为三种结构,在不增加参数数量的同时能够扩大该层卷积核的局部感受野,提高分类精度.实验在Caltech-101数据集、Caltech-256数据集以及图宾根大学动物分类数据库上进行,结果表明,D-MobileNet模型可获得比Mo-bileNet更好的分类准确率,最多可以提高2％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王威	长沙理工大学计算机与通信工程学院	30	63	4.0	6.0
2	王新	长沙理工大学计算机与通信工程学院	13	15	2.0	2.0
3	邹婷		1	0	0.0	0.0