一种精简的蘑菇图像分类模型

作者：黄诗瑀; 叶锋^*; 黄丽清; 黄添强; 陈家祯; 郑子华

来源：福建师范大学学报(自然科学版), 2023, 39(01): 75-85.

• 深度学习
• 模型裁剪
• 图像分类
• 卷积神经网络
• 计算机视觉

相比小型卷积神经网络(convolutional neural network, CNN)模型，现有的大型CNN模型在大型图像数据集上达到了良好的分类效果，但是在小型图像数据集上过拟合，使得精度提升小、训练时间长、存储占用高，不能很好地适应嵌入式设备.因此首先收集了一个包含4 500张图片的小型蘑菇数据集，并为蘑菇分类任务设计了轻量化的CNN模型MushroomNet.然后研究CNN模型中各部分对于分类任务的重要性，并提出基于数据复杂度的模型结构优化方法.实验表明，相比MobileNet、ShuffleNet等轻量化模型，MushroomNet-MicroV2的Top-1精度只差了1%～2%,但是它训练速度更快，存储更小，只有1.3 M的参数量，且在Apple M1 CPU上经过142 s的30轮快速训练后，Top-1验证精度可达88%.

• 单位
  福建师范大学