基于轻量化卷积神经网络的改进模型与验证

摘要：

卷积神经网络随着深度和结果复杂度的不断增加,其参数量和计算量大大制约了它的应用场景,在SueezeNet网络结构基础上引用分组卷积并采用Channel-shuffel来解决分组卷积后的信息不流通问题.以减少原有网络结构的参数量提高网络运行效率.在ORL数据集的验证表现也表明,在网络参数减少的情况下分类精度和收敛效率并不会有降低甚至略有提高.可以体现分组卷积在结构轻量化上的有效性.

关键词：卷积神经网络、参数量、轻量化、Channel-shuffel

所属期刊栏目：20

分类号：TP391.4(计算技术、计算机技术)

资助基金：上海市农业科学院卓越团队建设项目农科创2017B-09;上海市农委科技攻关项目

在线出版日期：2020-11-30（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：11653-11658