一种并行不对称空洞卷积模块

作者：张智杰; 尉飞; 葛青青; 赵宝奇; 孙军梅; 李秀梅^*

来源：计算机系统应用, 2021, 30(09): 206-211.

DOI：10.15888/j.cnki.csa.008071

• 深度学习
• 空洞卷积
• 非对称卷积
• 感受野

构建卷积神经网络要耗费大量的人力资源,且训练过程中需要消耗大量的算力资源.利用空洞卷积代替卷积神经网络中的池化操作,能有效增加感受野,降低运算复杂度,但是空洞卷积会带来空间层次和信息连续性的丢失.本文提出了一种并行不对称空洞卷积模块,该模块能够补全空洞卷积所丢失的信息,可以嵌入到现有的卷积神经网络中,代替3×3卷积进行网络训练,从而加速网络的收敛,提高网络的性能.实验结果表明,利用本文所提出的并行不对称空洞卷积模块,可以显著提高不同网络在CIFAR-10等数据集上的分类效果.

• 单位
  杭州师范大学