文档名：基于多分支瓶颈结构的轻量型图像分类算法研究
摘要：传统卷积神经网络存在着参数量大、训练耗时长、轻量级模型的识别准确度不足的问题.本文提出了一种基于ResNet网络的多分支结构轻量化网络(Residualmulti-branchstructuredNetwork,RemulbNet),通过在残差结构的主干中使用多分支结构增加特征多样性,利用变体的深度可分离卷积缩减模型参数量,采用Mish激活函数增加网络的非线性表达能力,在有效减少模型体积的情况下,提升网络的分类准确率.利用图像识别数据库,对网络性能进行测试.研究表明,对于5分类花卉识别问题,RemulbNet相比ResNet网络识别准确率提高3.9%,模型参数量减小71%,模型体积减小77%,缩短了约40%训练耗时;与轻量级网络(MobileNetv2和ShuffleNetv2)相比,RemulbNet在识别准确度、模型体积、训练时长和不同的图像分类数据集上都表现出优良的性能.
作者：苏田田 王慧敏 张小凤Author：SUTian-tian WANGHui-min ZHANGXiao-feng
作者单位：陕西师范大学物理学与信息技术学院,陕西西安710119
刊名：电子学报 ISTICEIPKU
Journal：ActaElectronicaSinica
年，卷(期)：2023, 51(5)
分类号：TP391
关键词：轻量化网络 多分支瓶颈结构 Mish激活函数 深度可分离卷积 图像分类 卷积神经网络
Keywords：lightweightnetworks multi-branchbottleneckstructure mishactivationfunction deepseparablecon-volution imageclassification convolutionalneuralnetwork
机标分类号：TP391.41TP181TN957.52
在线出版日期：2023年7月27日
基金项目：基于多分支瓶颈结构的轻量型图像分类算法研究[
期刊论文] 电子学报--2023, 51(5)苏田田 王慧敏 张小凤传统卷积神经网络存在着参数量大、训练耗时长、轻量级模型的识别准确度不足的问题.本文提出了一种基于ResNet网络的多分支结构轻量化网络(Residualmulti-branchstructuredNetwork,RemulbNet),通过在残差结构的主干中使...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
基于多分支瓶颈结构的轻量型图像分类算法研究 Research on Lightweight Image Classification Algorithm Based on Multi-Branch Bottleneck Structure
基于多分支瓶颈结构的轻量型图像分类算法研究.pdf
- 文件大小:
- 3.68 MB
- 下载次数:
- 60
-
高速下载
|
