超级会员免费看
本文提出了一种改进的Inception结构，通过整合1×1卷积、引入深度卷积和残差结构，结合注意力机制，设计了一个轻量化网络模型。实验表明，改进后的模型在苹果叶病害数据集和CIFAR-10数据集上相比于VGG16、Inception-V3和MobileNet，具有更少的参数量、更短的训练时间和更高的分类准确性。
摘要
为解决图像分类中Inception结构复杂且在深度网络中存在参数冗余的问题，提出一种改进的Inception结构。该结构整合了传统Inception结构中繁杂的1×1卷积操作，通过引入深度卷积增加Inception结构的特征多样性，降低模型参数量，并结合残差结构防止梯度爆炸及梯度消失。同时引入注意力机制，获取关键特征权重信息，优化资源分配方式，并在此基础上设计了一个基于标准卷积与非对称卷积的轻量化网络模型。实验对象选择苹果叶病害数据集与CIFAR-10数据集，通过与经典卷积神经网络VGG16、Inception-V3与MobileNet进行比较后发现，改进Inception结构的轻量化模型具有参数量少、训练时间短、分类效果好的优势。同时，通过比较改进前后Inception结构在所提网络模型中的训练结果，证明了改进Inception结构较传统Inception结构分类性能更好。
0 引言
自
订阅专栏 解锁全文
506
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
