计算机工程

作者：陈鑫华, 钱雪忠, 宋威

单位：1. 江南大学 人工智能与计算机学院, 江苏 无锡 214122;2. 江南大学 物联网技术应用教育部工程研究中心, 江苏 无锡 214122;3. 江南大学 江苏省模式识别与计算智能工程实验室, 江苏 无锡 214122

关键词：深度学习,卷积神经网络,特征提取,特征融合,图像分类

基金：国家自然科学基金（61673193）；中国博士后科学基金（2017M621625）；江苏省自然科学基金（BK20181341）。

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。

来源：2021年第11期

《计算机工程》期刊编辑部

查看计算机工程杂志2021年第11期