一种新的高效轻量级卷积神经网络模型

摘要：

针对目前食物识别系统中网络模型参数量多、模型较大的问题,提出一种23层结构、参数量只有204k的网络模型,使用基本构造块(7×7、5×5、3×3)生成特征图,用不同感受野的2个池化层来融合卷积层的特征图,再用1×1的卷积核进行非线性组合,然后连接到空间金字塔池化层,最后在softmax分类器中分类.在公开数据集上的实验表明,与ResNet50和GoogLeNet相比,本文网络模型在分类性能不降低的情况下,模型参数分别减少了99.14％和96.63％.

关键词：卷积神经网络、深度学习、食物分类、空间金字塔池化

分类号：TP391(计算技术、计算机技术)

在线出版日期：2021-05-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：98-103