计算机工程

作者：袁单飞, 陈慈发, 董方敏

单位：1. 三峡大学 计算机与信息学院, 湖北 宜昌 443000;2. 湖北省建筑质量检测装备工程技术研究中心, 湖北 宜昌 443000

关键词：多尺度分割,残差网络,卷积神经网络,图像识别,图像分类

基金：国家自然科学基金新疆联合基金重点项目（U1703261）。

深度卷积神经网络能够解决复杂的计算机视觉问题，被广泛应用于图像识别任务中。在基于深度卷积神经网络的图像识别过程中，增加网络的深度和宽度能够产生丰富的特征信息，使用多尺度分割方法能够有效减少冗余的特征信息。然而，增加网络的深度和进行多尺度分割都会影响识别速度。如何在保证精度的同时提高识别速度，成为设计高效网络的关键问题。通过增加网络宽度的方法对ResNet残差网络进行改进，在保证精度的基础上提升识别速度。使用ResNet-D中的残差结构并减少网络长度，得到长度只有7层的残差网络，同时对HS-ResNet中的多尺度分割方法进行优化，只保留最后一次连接合并操作，得到图像识别残差网络SSRNet。在CIFAR 10和CIFAR 100数据集上的实验结果显示，SSRNet速度最高较ResNet网络提升7倍多，同时错误率最高下降8.81%，表明缩短网络长度可大幅加快图像识别速度，同时结合多尺度分割方法能够有效提升识别精度。

来源：2022年第5期

《计算机工程》期刊编辑部

查看计算机工程杂志2022年第5期