| 基于分组卷积的密集连接网络研究 |
| |
| 引用本文： | 康一帅,王敏.基于分组卷积的密集连接网络研究[J].江苏科技大学学报(社会科学版),2020,34(1):49-53. |
| |
| 作者姓名： | 康一帅 王敏 |
| |
| 作者单位： | 江苏科技大学 电子信息学院,镇江212003,江苏科技大学 电子信息学院,镇江212003 |
| |
| 基金项目： | 国家自然科学基金资助项目 |
| |
| 摘 要： | 随着深度学习的发展,不断出现具有良好性能表现的复杂网络模型.由于复杂的卷积神经网络存在计算资源消耗大和存储空间大的问题,使其不能很好地部署在各硬件平台之上.文中通过对用于视觉识别领域的密集连接的卷积网络(dense convolutional network, DenseNet)进行研究,发现网络中的参数存在大量冗余,其计算效率仍有提升的空间.因此,在其基础上引入分组卷积,对其密集块与增长率进行改进,提出一种基于分组卷积的密集连接网络(grouped dense convolutional network, GDenseNet).在两个数据集(CIFAR-10和CIFAR-100)上的实验表明:当错误率基本相同时,GDenseNet的模型复杂度和计算复杂度比DenseNet分别低12%和36%.
|
| 关 键 词： | 分组卷积 增长率 密集块 错误率 计算效率 |
Grouped dense convolutional network |
| |
| KANG Yishuai,WANG Min.Grouped dense convolutional network[J].Journal of Jiangsu University of Science and Technology:Natural Science Edition,2020,34(1):49-53. |
| |
| Authors: | KANG Yishuai WANG Min |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
