DenseNet模型轻量化改进研究

摘要：

针对深层DenseNet模型在小型数据集上的过拟合问题,提出了一种改进的轻置化DenseNet模型.首先,优化网络中密集连接块(Dense Block)数量和其内部网络结构;然后,提出一种自适应池化层方法,解决改进网络的特征图分辨率适应问题;最后,加入Skip Layer模块增强密集连接块间特征信息流通.实验结果表明,改进方法能够减少模型的参数量和计算量,有效解决了深层DenseNet的过拟合问题.

关键词：DenseNet、Skip Layer、深度网络、模型轻量化

所属期刊栏目：54

分类号：TP183(自动化基础理论)

资助基金：湖北省科技厅重大专项项目2017ACA105

在线出版日期：2020-06-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：187-193