卷积神经网络层级分解研究

摘要：

随着深度学习的不断发展,卷积神经网络(CNN)在目标检测与图像分类中受到研究者的广泛关注.CNN从LeNet-5网络发展到深度残差网络,其层数不断增加.基于神经网络中“深度”的含义,在确保感受野相同的前提下,给定标准的输入图片和输出特征图,对不同层数的卷积神经网络进行训练,并将训练结果与标准输出图进行对比.在此基础上,对标准的3x3卷积核进行分解,构建由2x2大小卷积核组成的CNN.根据目标特征是否具有中心对称的性质,提出多层卷积网络初始权值的选取规则.

关键词：卷积神经网络、卷积核、感受野、网络深度、中心极限定理

所属期刊栏目：45

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61702040;北京市自然科学基金4174089;北京市教委科研科技计划一般项目KM201810017006

在线出版日期：2019-12-05（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：191-197