10.16208/j.issn1000-7024.2019.07.014
改进卷积神经网络模型设计方法
针对现有卷积神经网络模型参数量大、训练耗费时间的问题,提出一种网络串联和并联共用的方法,使用较小的卷积核和较多的非线性激活减少参数量的同时增加网络特征学习能力,提出尺度归一化池化层取代全连接层,避免全连接层参数过多容易导致过拟合的问题,改进后的模型支持训练任意尺寸的图片.实验结果表明,提出方法减少了大量的参数和训练消耗的时间,有效提升了算法的效率.
卷积神经网络、卷积核、非线性激活、尺度归一化池化、图像分类
40
TP391(计算技术、计算机技术)
山西省回国留学人员科研基金项目2014-053
2019-08-02(万方平台首次上网日期,不代表论文的发表时间)
共6页
1885-1890