节点文献

多尺度并行融合的轻量级卷积神经网络设计

免费订阅

【作者】 范瑞蒋品群曾上游夏海英廖志贤李鹏

【Author】 FAN Rui;JIANG Pinqun;ZENG Shangyou;XIA Haiying;LIAO Zhixian;LI Peng;College of Electronic Engineering, Guangxi Normal University;

【通讯作者】 蒋品群;

【机构】 广西师范大学电子工程学院

【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。

【基金】 国家自然科学基金(11465004,61762014);桂林市科学研究与技术开发计划项目(20170113-4)
  • 【DOI】10.16088/j.issn.1001-6600.2019.03.006
  • 【分类号】TP391.41;TP18
  • 【下载频次】143
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: