| 多尺度并行融合的轻量级卷积神经网络设计 |
| |
| 引用本文： | 范瑞,蒋品群,曾上游,夏海英,廖志贤,李鹏.多尺度并行融合的轻量级卷积神经网络设计[J].广西师范大学学报(自然科学版),2019,37(3). |
| |
| 作者姓名： | 范瑞 蒋品群 曾上游 夏海英 廖志贤 李鹏 |
| |
| 作者单位： | 广西师范大学 电子工程学院,广西 桂林,541004;广西师范大学 电子工程学院,广西 桂林,541004;广西师范大学 电子工程学院,广西 桂林,541004;广西师范大学 电子工程学院,广西 桂林,541004;广西师范大学 电子工程学院,广西 桂林,541004;广西师范大学 电子工程学院,广西 桂林,541004 |
| |
| 基金项目： | 国家自然科学基金;国家自然科学基金;桂林市科学研究与技术开发计划 |
| |
| 摘 要： | 针对传统深度卷积神经网络分类精度不佳,参数量巨大,难以在内存受限的设备上进行部署的问题,本文提出了一种多尺度并行融合的轻量级卷积神经网络架构PL-Net。首先,将上层输出特征图分别送入两种不同尺度的深度可分离卷积层;然后对并行输出特征信息进行交叉融合,并加入残差学习,设计了一种并行轻量型模块PL-Module;同时,为了更好地提取特征信息,利用尺度降维卷积模块SR-Module来替换传统池化层;最后将上述两个模块相互堆叠构建轻量级网络。在CIFAR10、Caltech256和101_food数据集上进行训练与测试,结果表明:与同等规模的传统CNN、MobileNet-V2网络及SqueezeNet网络相比,PL-Net在减少网络参数的同时,提升了网络的分类精度,适合在内存受限的设备上进行部署。
|
| 关 键 词： | 卷积神经网络 深度可分离卷积 残差学习 并行卷积 |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
