期刊文献+

基于特征图切分的轻量级卷积神经网络 预览

A Lightweight Convolutional Neural Network Architecture with Slice Feature Map
在线阅读 下载PDF
收藏 分享 导出
摘要 卷积神经网络模型所需的存储容量和计算资源远超出移动和嵌入式设备的承载量,因此文中提出轻量级卷积神经网络架构(SFNet).SFNet架构引入切分模块的概念,通过将网络的输出特征图进行“切分”处理,每个特征图片段分别输送给不同大小的卷积核进行卷积运算,将运算得到的特征图拼接后由大小为1×1的卷积核进行通道融合.实验表明,相比目前通用的轻量级卷积神经网络,在卷积核数目及输入特征图通道数相同时,SFNet的参数和计算量更少,分类正确率更高.相比标准卷积,在网络复杂度大幅降低的情况下,切分模块的分类正确率持平甚至更高. The capacities of mobile and embedded devices are quite inadequate for the requirement of the storage capacity and computational resources of convolutional neural network models. Therefore, a lightweight convolutional neural network architecture, network with slice feature map, named SFNet, is proposed. The concept of slice block is introduced. By performing the “slice” processing on the output feature map of the network, each feature map segment is respectively sent to a convolution kernel of different sizes for convolution operation, and then the obtained feature map is concatenated. A simple 1×1 convolution is utilized to fuse the channels of the feature map. The experiments show that compared with the state-of-the-art lightweight convolutional neural networks, SFNet has fewer parameters and floating-point operations, and higher classification accuracy with the same number of convolution kernels and input feature map channels. Compared with the standard convolution, in the case of a significant reduction in network complexity, the classification accuracy is same or higher.
作者 张雨丰 郑忠龙 刘华文 向道红 何小卫 李知菲 何依然 KHODJA Abd Erraouf ZHANG Yufeng;ZHENG Zhonglong;LIU Huawen;XIANG Daohong;HE Xiaowei;LI Zhifei;HE Yiran;KHODJA Abd Erraouf(Department of Computer Science, Zhejiang Normal University, Jinhua 321004;Department of Mathematics, Zhejiang Normal University, Jinhua 321004)
出处 《模式识别与人工智能》 CSCD 北大核心 2019年第3期237-246,共10页 Pattern Recognition and Artificial Intelligence
基金 国家自然科学基金项目(No.61672467,61572443,11871438)资助.
关键词 卷积神经网络 轻量级网络 切分模块 特征图切分 组卷积 Convolutional Neural Network Lightweight Network, Slice Block Feature Slice Map Group Convolution
作者简介 张雨丰,硕士研究生,主要研究方向为深度学习.E-mail:527353785@qq.com;通讯作者:郑忠龙,博士,教授,主要研究方向为模式识别、机器学习、图像处理等.E-mail:zhonglong@zjnu.edu.cn;刘华文,博士,教授,主要研究方向为机器学习、数据挖掘等.E-mail:hwliu@zjnu.edu.cn;向道红,博士,副教授,主要研究方向为统计机器学习、稳健统计、深度学习等.E-mail:daohongxiang@zjnu.cn;何小卫,硕士,教授,主要研究方向为机器学习、图像视频处理等.E-mail:jhhxw@zjnu.edu.cn;李知菲,硕士,讲师,主要研究方向为模式识别、深度学习、虚拟现实等.E-mail:zjnulzf@163.com;何依然,硕士研究生,主要研究方向为机器学习.E-mail:583587931@qq.com;KHODJA Abd Erraouf ,博士研究生,主要研究方向为计算机视觉、图像处理等.E-mail:201710800010@zjnu.edu.cn.
  • 相关文献
投稿分析

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部 意见反馈
新型冠状病毒肺炎防控与诊疗专栏