10.16157/j.issn.0258-7998.200844
GSDCPeleeNet:基于PeleeNet的高效轻量化卷积神经网络
卷积神经网络在各个领域都发挥着重要的作用,尤其是在计算机视觉领域,但过多的参数数量和计算量限制了它在移动设备上的应用.针对上述问题,结合分组卷积方法和参数共享、密集连接的思想,提出了一种新的卷积算法Group-Shard-Dense-Channle-Wise.利用该卷积算法,在PeleeNet 网络结构的基础上,改进出一种高效的轻量化卷积神经网络——GSDCPeleeNet.与其他卷积神经网络相比,该网络在具有更少参数的情况下,几乎不损失识别精度甚至识别精度更高.该网络选取1x1 卷积层中卷积核信道方向上的步长s 作为超参数,调整并适当地选取该超参数,可以在网络参数量更小的情况下,拥有更好的图像分类效果.
图像分类、卷积神经网络、轻量化、密集连接、参数共享、分组卷积
47
TN911.73;TP399
2021-03-31(万方平台首次上网日期,不代表论文的发表时间)
共6页
22-26,30