残差网络在图像分类上的轻量化研究

摘要：

卷积神经网络由于其出色的性能,在计算机视觉领域被广泛使用.但是由于卷积神经网络其自身特性所限制,常常出现训练所需数据量大、模型训练困难等问题.为了达到模型轻量化的目的,文章改进了网络的基本模块,并将卷积核进行分解,使用卷积层代替全连接层,以达到减少参数量.实验证明所提出的模型分类正确率为90.5％,而且提出的模型在与ResNet18分类正确率相差无几的情况下,大幅度减少参数量和计算量,具有一定的应用价值.

关键词：卷积神经网络、卷积核分解、全卷积网络、图像分类、模型轻量化

所属期刊栏目：39

分类号：TP319.41(计算技术、计算机技术)

资助基金：国家自然科学基金;江苏省高等学校自然科学研究项目;南京工业大学浦江学院人才培养工程计划项目

在线出版日期：2023-07-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：25-28,33