资料下载
×
面向图像识别的轻量级SepNet网络结构
消耗积分:0 |
格式:pdf |
大小:4.09 MB |
2021-06-03
分享资料个
针对卷积神经网络在图像识别任务上模型复杂度大、参数量多，首先提出了一种轻量仳的 Sepet网络结构，该结构在分类器模抉上采用克罗内克积替换了传统的全连接层。为进一步优化网络结构，在特征提取模块均衡网络深度、宽度，设计利用深度可分离卷积和残差网络的可分离残差模块，最终形成了一个能实现端到端训练的轻量化网络架构，称为 sep resl8s3。实验分别在 MNIST、 CIFAR-10、 CIFAR-100数据集上验证Sepet的有效性，设计的 Sepet网络结构相比ⅤGG10，参数数量和运算量在不损失其精度下均降低了94.15%同时，相比设计的类残差网络 cov resl8s3， sep res18s3仍能降低58.33%的参数量和81.82%的 FLOPS。实验结果表明，采用克罗内克积替换全连接层可以在保证训练结果准确度的同时昰著降低参数数量和计算成本，并在一定程度上防止过拟合，在此基础上结合深度可分离卷积和类残差结构，证明了 sep res18s3的有效性。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
