改进MobileNet的图像分类方法研究

摘要：

针对神经网络结构的特征提取能力不足以及在包含复杂图像特征的数据集上分类准确率不高的问题,本文提出了一种对MobileNet神经网络的改进策略(L-MobileNet).将原标准卷积形式替换为深度可分离卷积形式,并将深度卷积层得到的特征图执行取反操作,通过深度卷积融合层传递至下一层;采用Leaky ReLU激活函数代替原ReLU激活函数来保留图像中更多的正负特征信息,并加入类残差结构避免梯度弥散现象.与6种方法进行对比,实验结果表明:L-MobileNet在数据集Cifar-10、Cifar-100(coarse)、Cifar-100(fine)和Dogs vs Cats上平均准确率和最高准确率都取得了最佳结果.

关键词：卷积神经网络、图像分类、特征提取、MobileNet、深度可分离卷积、激活函数、Leaky ReLU、残差结构

所属期刊栏目：16

分类号：TP391;TP181(计算技术、计算机技术)

资助基金：国家自然科学基金;高等学校学科创新引智计划计划

在线出版日期：2021-06-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：11-20