10.3969/j.issn.1672-9730.2017.05.010
一种卷积神经网络的优化方法
近年来,卷积神经网络在目标检测、图像语义分割和图像识别领域取得了一系列重大突破性的成果.但是随着检测率的提升,网络结构也在向着更复杂的方向发展.为解决卷积神经网络结构复杂,样本的检测时间过长的问题,论文提出了一种通过特征图之间的差异性对卷积核数目进行优化的方法,通过计算得到最优卷积核数目,降低网络复杂度,从而加快样本检测的速度,提高泛化能力.实验结果表明,该方法在保证准确率的前提下,提升了检测速度.
深度学习、卷积神经网络、卷积核、特征图、手写数字识别
37
TP183(自动化基础理论)
2017-06-14(万方平台首次上网日期,不代表论文的发表时间)
共5页
36-40