科研之友
微信
新浪微博
Facebook
分享链接
摘要
轻量级卷积神经网络（LCNN）在图像分类等领域得到广泛应用。针对LCNN的精确度和复杂度均衡优化问题，利用快速非支配排序遗传算法（NSGA-II）对LCNN特征通道分组结构进行优化，提出了基于NSGA-II的自适应多尺度特征通道分组优化算法。首先，将LCNN中的特征融合层结构的复杂度最小化和以及精确度最大化作为两个优化目标，进行双目标函数建模及理论分析；然后，设计了基于NSGA-II的LCNN结构优化框架；最后，在原始基于LCNN结构中深度卷积层的基础上，增加基于NSGA-II的自适应分组层，构建相应的LCNN结构。将优化后的LCNN结构在图像分类数据集上进行实验，实验结果显示，与手工设计的网络结构M＿blockNet＿v1相比，经所提算法优化后的网络NSGA2-AMFFNetwork在平均精确度上提升了1.2202个百分点，运行时间上降低了41.07%。这表明所提算法能较好平衡LCNN的复杂度和准确度，同时还可为领域知识不足的普通用户，提供更多性能表现均衡的网络结构选择方案。
- 单位
