基于二分支卷积单元的深度卷积神经网络
深度卷积神经网络在图像分类任务中取得了极大的成功.现有的基于简化卷积的卷积神经网络结构能够减少网络参数,但会丢失部分特征信息,降低网络性能.为了提高图像分类正确率,提出一种二分支卷积单元.该卷积单元包含两种类型的滤波器,分别用于提取包含特征通道内与通道间信息的特征.以此卷积单元代替传统的滤波器,构建深度卷积神经网络,称为CTsNet.将该网络应用于图像分类任务,在CIFAR10、CIFAR100数据库上进行验证实验.结果表明,二分支卷积单元能够有效提取包含不同信息的特征,增加特征的多样性,减少信息损失,基于二分支卷积单元的CTsNet结构能有效提升图像分类性能.
图像处理、图像分类、卷积神经网络、二分支卷积单元、级联二分支网络
55
TP391.4(计算技术、计算机技术)
国家自然科学基金61472274
2018-05-17(万方平台首次上网日期,不代表论文的发表时间)
共7页
186-192