典型文献
基于多通道结构的卷积神经网络在图像分类中的研究
文献摘要：
为解决传统的卷积神经网络的卷积结构单一、分类精度不佳且模型参数和计算量较大等问题,本文对经典的传统网络Alexnet进行网络结构优化进行多通道改进,构建了 Tra-net、Mynet v1、Mynet v2三条不同的网络.将三种不同的卷积神经网络在公开数据集Caltech256上进行识别性能测试,其中Mynet v2网络最高识别准确率可达59.56％,且模型缩小至25MB左右.实验结果表明改进后网络Mynet v1、Mynet v2的识别性能均优于传统的神经网络Tra-net,使用瓶颈结构卷积模块的网络在提高识别准确率的同时大幅度降低了网络模型参数.
文献关键词：
卷积神经网络;图像分类;瓶颈结构;Caltech256
中图分类号：
作者姓名：
迟凯;魏书伟
作者机构：
青岛恒星科技学院,山东青岛,266100
文献出处：
引用格式：
[1]迟凯;魏书伟-.基于多通道结构的卷积神经网络在图像分类中的研究)[J].电子测试,2022(08):58-59,57
A类：
Mynet,Caltech256,25MB
B类：
多通道结构,图像分类,分类精度,计算量,Alexnet,网络结构优化,Tra,v1,v2,公开数据集,识别性,识别准确率,瓶颈结构,卷积模块,大幅度降低
AB值：
0.236335
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
