自学习稀疏密集连接卷积神经网络图像分类方法

吴鹏; 林国强; 郭玉荣; 赵振兵

首页> 中文期刊> 《信号处理》 >自学习稀疏密集连接卷积神经网络图像分类方法

自学习稀疏密集连接卷积神经网络图像分类方法

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

cqvip:通道剪枝是深度模型压缩的主要方法之一。针对密集连接卷积神经网络中,每一层都接收其前部所有卷积层的输出特征图作为输入,但并非每个后部层都需要所有先前层的特征,网络中存在很大冗余的缺点。本文提出一种自学习剪枝密集连接网络中冗余通道的方法,得到稀疏密集连接卷积神经网络。首先,提出了一种衡量每个卷积层中每个输入特征图对输出特征图贡献度大小的方法,贡献度小的输入特征图即为冗余特征图;其次,介绍了通过自学习,网络分阶段剪枝冗余通道的训练过程,得到了稀疏密集连接卷积神经网络,该网络剪枝了密集连接网络中的冗余通道,减少了网络参数,降低了存储和计算量;最后,为了验证本文方法的有效性,在图像分类数据集CIFAR-10/100上进行了实验,在不牺牲准确率的前提下减小了模型冗余。

著录项

来源
《信号处理》 |2019年第10期|1747-1752|共6页
作者
吴鹏; 林国强; 郭玉荣; 赵振兵;
展开▼
作者单位

全球能源互联网研究院有限公司北京102209;

电力系统人工智能(联研院)国家电网公司联合实验室北京102209;

华北电力大学电子与通信工程系河北保定071000;

展开▼
原文格式 PDF
正文语种 chi
中图分类图像信号处理;
关键词
剪枝冗余通道; 自学习; 稀疏化密集连接卷积神经网络; 图像分类;

相似文献

中文文献
外文文献
专利

1. 稀疏卷积神经网络用于低成本图像分类系统稀疏卷积神经网络用于低成本图像分类系统 [J] . 冯思镒 ,赵田锋 ,陈诚 . 电光与控制 . 2021,第002期
2. 密集连接扩张卷积神经网络的单幅图像去雾 [J] . 刘广洲 ,李金宝 ,任东东 . 计算机科学与探索 . 2021,第001期
3. 基于密集连接空洞卷积神经网络的青藏地区云雪图像分类 [J] . 曹辉 ,翁理国 ,张德正 . 计算机测量与控制 . 2019,第009期
4. 基于稀疏自学习卷积神经网络的句子分类模型 [J] . 高云龙 ,左万利 ,王英 . 计算机研究与发展 . 2018,第001期
5. 基于自学习特征的林业业务图像分类方法 [J] . 李英杰 ,张广群 ,汪杭军 . 林业科学 . 2018,第005期
6. 一种基于卷积神经网络的图像生成方式分类方法 [C] . LI Qiaoling ,李巧玲 ,GUAN Qingxiao . 第十三届全国信息隐藏暨多媒体信息安全学术大会 . 2016
7. 基于密集连接卷积神经网络的食品图像识别 [A] . Al-Selwi Metwalli A.Mohsen . 2020

自学习稀疏密集连接卷积神经网络图像分类方法

摘要

著录项

相似文献

相关主题

期刊订阅