一种并行不对称空洞卷积模块

• 作者: 张智杰 尉飞 葛青青 赵宝奇 孙军梅 李秀梅
• 来源期刊: 计算机系统应用
• 关键词: 深度学习 空洞卷积 非对称卷积 感受野
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 软件技术·算法|Software Technique · Algorithm
• 页码范围: 206-211
• 页数: 6页
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.008071

摘要

构建卷积神经网络要耗费大量的人力资源,且训练过程中需要消耗大量的算力资源.利用空洞卷积代替卷积神经网络中的池化操作,能有效增加感受野,降低运算复杂度,但是空洞卷积会带来空间层次和信息连续性的丢失.本文提出了一种并行不对称空洞卷积模块,该模块能够补全空洞卷积所丢失的信息,可以嵌入到现有的卷积神经网络中,代替3×3卷积进行网络训练,从而加速网络的收敛,提高网络的性能.实验结果表明,利用本文所提出的并行不对称空洞卷积模块,可以显著提高不同网络在CIFAR-10等数据集上的分类效果.