基于轻量级特征融合卷积网络的图像分类算法

摘要：

传统卷积神经网络存在卷积核单一、网络结构复杂和参数冗余的问题.提出一种轻量级特征融合卷积神经网络MS-FNet.在融合模块中采用多路结构以增加卷积神经网络的宽度,通过不同尺寸的卷积核对输入特征图进行处理,提高网络在同一层中提取不同特征的能力,并在每次卷积后采用批归一化、ReLU等方法去除冗余特征.此外,使用卷积层代替传统的全连接层,从而加快模型的训练速度,缓解因参数过多造成的过拟合现象.实验结果表明,MS-FNet可在降低错误率的同时,有效减少网络参数量.

关键词：深度学习;卷积神经网络;特征提取;特征融合;图像分类

所属期刊栏目：47

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金;中国博士后科学基金;江苏省自然科学基金

在线出版日期：2021-11-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：268-275