基于改进MnasNet网络的低分辨率图像分类算法

• 作者: 杨国亮 朱晨 李放 吴志刚
• 来源期刊: 传感器与微系统
• 学科: 工学
• 关键词: 轻量化卷积神经网络 图像分类 金字塔结构 低分辨率图像
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 计算与测试
• 页码范围: 142-145,153
• 页数: 5页
• 分类号: TP183
• 语种: 中文
• DOI: 10.13873/J.1000-9787(2021)02-0142-04

摘要

针对MnasNet网络在CIFAR-10等低分辨率图像数据集上识别率较低的问题,提出一种基于金字塔型的轻量化卷积瓶颈块取代原网络中的倒置残差瓶颈块,构建改进的MnasNet网络(PSMnasNet).首先,基于图片的分辨率,调整部分瓶颈块的下采样;然后结合空间金字塔池化方法构建金字塔结构瓶颈(PSBottleneck)块;最后在金字塔型的轻量化卷积瓶颈块中引入超参数控制瓶颈块的空间复杂度和时间复杂度.在CINIC-10低分辨率图像数据集的实验结果表明:由金字塔型的轻量化卷积瓶颈块组成的PS-MnasNet网络的参数量比原MnasNet网络减少约22.3％,而且网络的分类精度提高约13.3％.