10.3969/j.issn.1002-0802.2020.07.010
基于部分离散余弦变换的卷积神经网络设计与分析
离散余弦变换是常见的图像变换手段.通过重新理解DCT算法,可将其转化为全连接神经网络,用于提取图像的轮廓信息.设计基于DCT的卷积神经网络,用部分DCT取代完全DCT,提高图像轮廓提取的效率.该网络对比传统卷积神经网络具有复杂度低、网络深度浅、训练时间短、边缘计算快的优点.DCT核的尺寸影响模型精度和训练时间,通过仿真得出结论:尺寸越大,模型精度越高,训练时间越长;DCT核尺寸为图像尺寸的40%左右为较优.通过与经典卷积神经网络作对比,得出该网络的训练效率提升16倍,边缘计算效率提高20倍.
部分离散余弦变换、离散余弦变换核、卷积神经网络、边缘计算效率
53
TP183(自动化基础理论)
2020-07-21(万方平台首次上网日期,不代表论文的发表时间)
共5页
1636-1640