10.3969/j.issn.1000-1220.2021.03.011
交叉连接的少层残差卷积神经网络
最近的研究表明,卷积神经网络的性能可以通过采用跨层连接来提高,典型的残差网络(ResNet)便通过恒等映射方法取得了非常好的图像识别效果.但是通过理论分析,在残差模块中,跨层连接线的布局并没有达到最优设置,造成信息的冗余和层数的浪费,为了进一步提高卷积神经网络的性能,文章设计了两种新型的网络结构,分别命名为C-FnetO和C-FnetT,它们在残差模块的基础上进行优化并且具有更少的卷积层层数,同时通过在MNIST,CIFAR-10,CIFAR-100和SVHN公开数据集上的一系列对比实验表明,与最先进的卷积神经网络对比,C-FnetO和C-FnetT网络获得了相对更好的图像识别效果,其中C-FnetT网络的性能最佳,在四种数据集上均取得了最高的准确率.
卷积神经网络、交叉跨层连接、C-FnetO、C-FnetT、ResNet
42
TP181(自动化基础理论)
国家自然科学基金项目;河北省自然科学基金项目;中国博士后科学基金项目;河北省高等学校优秀青年培养计划项目
2021-03-29(万方平台首次上网日期,不代表论文的发表时间)
共6页
510-515