文档名：基于特征膨胀卷积模块的轻量化技术研究
摘要：本文从卷积神经网络模型的网络结构入手,利用特征复用的思想,设计了高效的特征膨胀卷积模块.该模块减少了标准卷积模块的输出通道数,引入了多分支结构.通过各个分支上的廉价操作对标准卷积操作的输出特征图进行变换和融合,产生新的特征图.模块的最终输出由各个分支上生成的特征图进行合并连接得到.特征膨胀卷积模块利用特征复用思想复用模型中的特征,在降低模型计算量的同时,丰富了特征图隐含的信息,提高了模型的性能.最后,将特征膨胀卷积模块代替标准卷积模块,设计了轻量化的VGG16(VisualGeometryGroup16-Layer)模型和残差结构,并且在CIFAR数据集和ILSVRC2012(ImageNetLargeScaleVisualRecognitionChallenge2012)数据集上取得了较好的分类效果.
作者：许新征 李杉 Author：XUXin-zheng LIShan
作者单位：中国矿业大学计算机科学与技术学院,江苏徐州221116;教育部矿山数字化工程中心,江苏徐州221116中国矿业大学计算机科学与技术学院,江苏徐州221116
刊名：电子学报 ISTICEIPKU
Journal：ActaElectronicaSinica
年，卷(期)：2023, 51(2)
分类号：TP181
关键词：卷积神经网络 轻量化 特征复用 特征膨胀卷积 深度学习 图像分类
机标分类号：U462.2TP391TH122
在线出版日期：2023年5月8日
基金项目：国家自然科学基金基于特征膨胀卷积模块的轻量化技术研究[
期刊论文] 电子学报--2023, 51(2)许新征 李杉本文从卷积神经网络模型的网络结构入手,利用特征复用的思想,设计了高效的特征膨胀卷积模块.该模块减少了标准卷积模块的输出通道数,引入了多分支结构.通过各个分支上的廉价操作对标准卷积操作的输出特征图进行变换和融...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于特征膨胀卷积模块的轻量化技术研究 Research of Lightweight Convolution Neural Network Based on Feature Expansion Convolution
基于特征膨胀卷积模块的轻量化技术研究.pdf
- 文件大小:
- 2.33 MB
- 下载次数:
- 60
-
高速下载
|
