一种精简的蘑菇图像分类模型 |
| |
引用本文: | 黄诗瑀,叶锋,黄丽清,黄添强,陈家祯,郑子华.一种精简的蘑菇图像分类模型[J].福建师范大学学报(自然科学版),2023(1):75-85. |
| |
作者姓名: | 黄诗瑀 叶锋 黄丽清 黄添强 陈家祯 郑子华 |
| |
作者单位: | 1. 福建师范大学计算机与网络空间安全学院;2. 数字福建大数据安全技术研究所;3. 福建省公共服务大数据挖掘与应用工程技术研究中心 |
| |
基金项目: | 国家自然科学基金资助项目(62072106);;福建省自然科学基金资助项目(2020J01168); |
| |
摘 要: | 相比小型卷积神经网络(convolutional neural network, CNN)模型,现有的大型CNN模型在大型图像数据集上达到了良好的分类效果,但是在小型图像数据集上过拟合,使得精度提升小、训练时间长、存储占用高,不能很好地适应嵌入式设备.因此首先收集了一个包含4 500张图片的小型蘑菇数据集,并为蘑菇分类任务设计了轻量化的CNN模型MushroomNet.然后研究CNN模型中各部分对于分类任务的重要性,并提出基于数据复杂度的模型结构优化方法.实验表明,相比MobileNet、ShuffleNet等轻量化模型,MushroomNet-MicroV2的Top-1精度只差了1%~2%,但是它训练速度更快,存储更小,只有1.3 M的参数量,且在Apple M1 CPU上经过142 s的30轮快速训练后,Top-1验证精度可达88%.
|
关 键 词: | 深度学习 模型裁剪 图像分类 卷积神经网络 计算机视觉 |
|
|