基于轻量级特征融合卷积网络的图像分类算法

作者：陈鑫华; 钱雪忠; 宋威

来源：计算机工程, 2021, 47(11): 268-275.

DOI：10.19678/j.issn.1000-3428.0059815

• 深度学习
• 卷积神经网络
• 特征提取
• 特征融合
• 图像分类

传统卷积神经网络存在卷积核单一、网络结构复杂和参数冗余的问题。提出一种轻量级特征融合卷积神经网络MS-FNet。在融合模块中采用多路结构以增加卷积神经网络的宽度,通过不同尺寸的卷积核对输入特征图进行处理,提高网络在同一层中提取不同特征的能力,并在每次卷积后采用批归一化、ReLU等方法去除冗余特征。此外,使用卷积层代替传统的全连接层,从而加快模型的训练速度,缓解因参数过多造成的过拟合现象。实验结果表明,MS-FNet可在降低错误率的同时,有效减少网络参数量。

• 单位
  江南大学