首页> 中文期刊>微电子学与计算机 >并行尺度裁切的深度卷积神经网络模型

并行尺度裁切的深度卷积神经网络模型

     

摘要

针对并行卷积神经网络(PCNN)的参数过多,模型训练时间成本高的问题,本文提出了并行尺度裁切卷积神经网络(PSC-CNN).PSC-CNN算法是将并行卷积神经网络其中一路(Path A)的输入及该通路的特征提取层的输出通过Crop层裁切得到新的尺寸的图像供给另一路(Path B)网络作为输入.这样,Path A的输入图像在数据层经过一次随机裁剪,Path B则经过了两次裁剪操作,增加了输入数据的多样性,提升了模型的学习能力.算法以AlexNet为基础网络,分别设计了对应的PCNN及PSC-CNN模型,在数据集Caltech101、Caltech256上进行实验.实验结果表明,相较原始的PCNN,本文提出的改进算法有效的提升了分类准确度同时缩短了训练时间.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号