重庆理工大学学报(自然科学) ›› 2021, Vol. 35 ›› Issue (3): 145-151.doi: 10.3969/j.issn.1674-8425(z).2021.03.019

• 智能技术 • 上一篇    下一篇

应用于图像分割的卷积神经网络参数简化模型

孙双林,杨 倩,张优敏   

  1. 重庆工程学院 软件学院,重庆 400056
  • 收稿日期:2019-07-17 出版日期:2021-04-07 发布日期:2021-04-07
  • 作者简介:孙双林,男,硕士,讲师,主要从事人工智能、大数据研究,E-mail:minsun360@sina.com。
  • 基金资助:
    国家自然科学基金面上项目“安全压缩感知及其在资源非对等环境下图像隐私保护中的应用研究” (61572089);重庆市教委科技计划重点基金项目(KJZD-K201801901);重庆市教委科学技术研究项目资 助(KJ1717371)

  • Received:2019-07-17 Online:2021-04-07 Published:2021-04-07

摘要: 在图像处理领域卷积神经网络普遍存在模型复杂、参数众多等问题,使得方法应用 不便、时间开销不可控。针对这一问题,提出了一种混合规模的深度卷积神经网络,该网络架构 基于扩展的卷积方法,以便在不同图像规模上采集到关键特征,并通过将深度特征紧密相连,从 而控制参数的数量。实验结果表明,新方法可以在限制模型参数前提下达到相当高的准确率, 并能有效降低过拟合的风险。

关键词: 卷积神经网络, 图像分类, 参数规模, 准确率

中图分类号: 

  • TP391.4