基于DenseNet的图像识别方法研究 |
| |
作者姓名: | 高建瓴 王竣生 王许 |
| |
作者单位: | 贵州大学 大数据与信息工程学院,贵州 贵阳,550025 |
| |
基金项目: | 贵州省科技厅基金项目资助 |
| |
摘 要: | 在深度学习中,随着神经网络层数的加深,训练网络变得越来越困难,现有的浅层的网络无法明显提升网络的识别效果。针对在原有网络的情况下提升网络识别效果,减少参数的问题,本文提出一种改进的DenseNet网络模型,借鉴Inception V3的思想,利用非对称卷积将DenseNet网络中Dense Block层所包含的3×3卷积分解成3×1和1×3的两个卷积,简化网络结构模型。之后再对改进前与改进后的网络模型在数据集上进行训练,实验结果表明,与经典的DenseNet网络模型相比,改进后的网络模型可以提高图像识别的准确性,降低参数,有效地缩短运行时间。
|
关 键 词: | DenseNet网络 图像识别 深度学习 卷积神经网络 |
本文献已被 CNKI 万方数据 等数据库收录! |
|