基于并行卷积核交叉模块的卷积神经网络设计

• 作者: 曾上游 王新娇 魏书伟
• 来源期刊: 现代电子技术
• 关键词: 卷积神经网络 网络改进 卷积核 图像分类 特征提取 结果分析
• 年，卷（期）: 2020,（24）
• 所属期刊栏目: 人工智能
• 页码范围: 182-186
• 页数: 5页
• 分类号: TN926⁃34|TP391.4
• 语种: 中文
• DOI: 10.16652/j.issn.1004⁃373x.2020.24.045

摘要

针对卷积神经网络结构单一,模块中卷积核使用单一,网络特征提取不充分导致图片分类准确度不够,以及模型大的问题,提出卷积核交叉模块的网络设计.此模块先将输出特征图分成两组,每一组采用不同数量、不同大小的卷积核进行特征提取,然后将分组得到的特征图进行级联操作后再通过1×1的卷积核进行整合.该文设计的卷积神经网络与传统的网络相比,在食物101_food数据集上将识别精度由56.7％提升至72.63％;在交通GTSRB数据集上将识别精度由96.3％提升至98.41％.实验结果表明,该文设计的网络结构性能优越,且网络模型较小.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	魏书伟		4	0	0.0	0.0
2	曾上游		20	28	3.0	4.0
3	王新娇		4	0	0.0	0.0