基于并行卷积核交叉模块的卷积神经网络设计

摘要：

针对卷积神经网络结构单一,模块中卷积核使用单一,网络特征提取不充分导致图片分类准确度不够,以及模型大的问题,提出卷积核交叉模块的网络设计.此模块先将输出特征图分成两组,每一组采用不同数量、不同大小的卷积核进行特征提取,然后将分组得到的特征图进行级联操作后再通过1×1的卷积核进行整合.该文设计的卷积神经网络与传统的网络相比,在食物101_food数据集上将识别精度由56.7％提升至72.63％;在交通GTSRB数据集上将识别精度由96.3％提升至98.41％.实验结果表明,该文设计的网络结构性能优越,且网络模型较小.

关键词：卷积神经网络、网络改进、卷积核、图像分类、特征提取、结果分析

所属期刊栏目：43

分类号：TN926⁃34;TP391.4

资助基金：国家自然科学基金资助项目;广西研究生教育创新计划项目

在线出版日期：2020-12-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：182-186