基于CNN层内结构优化的图像分类

摘要：

卷积神经网络(Convolutional Neural Network,CNN)是一种常用的图像特征提取方法,它以更为紧凑的表示将图像转换为特征空间,其更具鉴别性和鲁棒性的特征表述能力为图像分类识别提供了一种新颖而有前景的解决方案.然而,现有的CNN层内骨干网络缺乏对于每个分组通道内部的信息的融合,不能充分挖掘各分组通道内部特征的联系.提出新的层内优化网络Skip2Net,在Res2Net的基础上引入了一个跳跃连接,有效地聚合了通道内的高级语义特征和低级空间细节,实现了特征重用.

关键词：卷积神经网络、层内优化、图像分类、特征提取

所属期刊栏目：18

分类号：TP391.41;TP183(计算技术、计算机技术)

资助基金：国家自然科学基金;深圳市科技计划项目

在线出版日期：2021-04-12（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：37-43