论文摘要
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。
论文目录
文章来源
类型: 期刊论文
作者: 高建瓴,王竣生,王许
关键词: 网络,图像识别,深度学习,卷积神经网络
来源: 贵州大学学报(自然科学版) 2019年06期
年度: 2019
分类: 基础科学,信息科技
专业: 计算机软件及计算机应用,自动化技术
单位: 贵州大学大数据与信息工程学院
基金: 贵州省科技厅基金项目资助(黔科合[2015]2045号)
分类号: TP391.41;TP183
DOI: 10.15958/j.cnki.gdxbzrb.2019.06.12
页码: 58-62
总页数: 5
文件大小: 1089K
下载量: 565