应用于图像分割的卷积神经网络参数简化模型

• 作者: 孙双林 杨倩 张优敏
• 来源期刊: 重庆理工大学学报（自然科学版）
• 关键词: 卷积神经网络 图像分类 参数规模 准确率
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 智能技术
• 页码范围: 145-151
• 页数: 7页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.3969/j.issn.1674-8425(z).2021.03.019

摘要

在图像处理领域卷积神经网络普遍存在模型复杂、参数众多等问题,使得方法应用不便、时间开销不可控.针对这一问题,提出了一种混合规模的深度卷积神经网络,该网络架构基于扩展的卷积方法,以便在不同图像规模上采集到关键特征,并通过将深度特征紧密相连,从而控制参数的数量.实验结果表明,新方法可以在限制模型参数前提下达到相当高的准确率,并能有效降低过拟合的风险.