基于部分离散余弦变换的卷积神经网络设计与分析

• 作者: 徐光辉 狄恩彪
• 来源期刊: 通信技术
• 学科: 工学
• 关键词: 部分离散余弦变换 离散余弦变换核 卷积神经网络 边缘计算效率
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 信息处理与传输
• 页码范围: 1636-1640
• 页数: 5页
• 分类号: TP183
• 字数: 3032字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0802.2020.07.010

摘要

离散余弦变换是常见的图像变换手段.通过重新理解DCT算法,可将其转化为全连接神经网络,用于提取图像的轮廓信息.设计基于DCT的卷积神经网络,用部分DCT取代完全DCT,提高图像轮廓提取的效率.该网络对比传统卷积神经网络具有复杂度低、网络深度浅、训练时间短、边缘计算快的优点.DCT核的尺寸影响模型精度和训练时间,通过仿真得出结论:尺寸越大,模型精度越高,训练时间越长;DCT核尺寸为图像尺寸的40％左右为较优.通过与经典卷积神经网络作对比,得出该网络的训练效率提升16倍,边缘计算效率提高20倍.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	狄恩彪	陆军工程大学研究生院	3	0	0.0	0.0
2	徐光辉	陆军工程大学研究生院	2	1	1.0	1.0