计算机科学与探索

作者：吴进，钱雪忠

单位：江南大学 物联网工程学院，江苏 无锡 214122

关键词：深度学习,卷积神经网络,紧凑型结构,宽度扩展,图像识别

针对深度卷积神经网络的结构越来越复杂，参数规模过于庞大的问题，设计出一种新的紧凑型卷积神经网络结构Width-MixedNet和其多分支的基本模块Conv-mixed，该架构扩展了卷积神经网络的宽度。Conv-mixed利用分支结构使多个不同的卷积层处理同一个特征图，提取不同的特征。在深度卷积神经网络的识别任务中，使用多个小型卷积层叠加，逐层缩小特征图的方法代替全连接层进行最后的特征提取。整个Width-MixedNet架构的参数数量只有3.4×105，仅有传统深度卷积神经网络的1/30。分别在CIFAR-10、CIFAR-100和MNIST数据集上进行实验，准确率分别达到了93.02%、66.19%和99.59%。实验表明，Width-MixedNet有更强的学习能力和表现能力，在提高识别精度的同时，大大降低了网络的参数规模。

来源：2019年第2期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2019年第2期