基于轻量化卷积神经网络的图像目标识别算法

作者：史宝岱; 张秦; 李瑶; 李宇环

来源：计算机工程, 2021, 1-7.

DOI：10.19678/j.issn.1000-3428.0061569

• 轻量化
• 通道注意力
• 深度可分离卷积
• 通道混洗
• 特征拼接

针对目前图像目标识别模型对计算机算力要求过高，且占用内存较大，无法部署在手机等小型计算机上的问题，为了降低模型的参数量和复杂度，本文提出了一种轻量化卷积神经网络ConcatNet，该模型采用特征拼接的方式，多支路并行，并将通道注意力机制与深度可分离卷积结合，实现了网络的轻量化。为了评测模型的性能，在CIFAR-10和CIFAR-100数据集上进行初步评测，并在光学数据集ImageNet上进行最终测试，实验结果表明，与MobileNetV2等轻量化神经网络网络相比，该网络在保持Top-1和Top-5精度相当的情况下，将参数量和计算复杂度都降低了50%左右，极大降低了对承载设备的要求。

• 单位
  空军工程大学