多尺度膨胀卷积在图像分类中的应用

摘要：

在采用深度学习进行图像分类时,为减少下采样导致的空间信息损失,往往采用膨胀卷积代替下采样,但尚未有文献研究膨胀卷积作用于不同网络层的性能差异.文中进行了大量图像分类实验,找到了适宜膨胀卷积作用的最佳网络层.但使用膨胀卷积会丢失近邻点的相关信息,导致网格现象,造成图像部分局部信息的丢失.为消除网格现象,又提出在前述最佳网络层采用多尺度膨胀卷积构建神经网络的方法.实验结果表明,所提出的构建网络方法在图像分类中取得了较好的效果.

关键词：神经网络、图像分类、膨胀卷积、多尺度

所属期刊栏目：47

分类号：TP301(计算技术、计算机技术)

在线出版日期：2020-07-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：166-171,186