期刊文献+
共找到49篇文章
< 1 2 3 >
每页显示 20 50 100
自学习稀疏密集连接卷积神经网络图像分类方法 被引量:3
1
作者 吴鹏 林国强 +1 位作者 郭玉荣 赵振兵 《信号处理》 CSCD 北大核心 2019年第10期1747-1752,共6页
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... 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。 展开更多
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
在线阅读 下载PDF
基于密集连接卷积神经网络的入侵检测技术研究 被引量:25
2
作者 缪祥华 单小撤 《电子与信息学报》 EI CSCD 北大核心 2020年第11期2706-2712,共7页
卷积神经网络在入侵检测技术领域中已得到广泛应用,一般地认为层次越深的网络结构其在特征提取、检测准确率等方面就越精确。但也伴随着梯度弥散、泛化能力不足且参数量大准确率不高等问题。针对上述问题,该文提出将密集连接卷积神经网... 卷积神经网络在入侵检测技术领域中已得到广泛应用,一般地认为层次越深的网络结构其在特征提取、检测准确率等方面就越精确。但也伴随着梯度弥散、泛化能力不足且参数量大准确率不高等问题。针对上述问题,该文提出将密集连接卷积神经网络(DCCNet)应用到入侵检测技术中,并通过使用混合损失函数达到提升检测准确率的目的。用KDD 99数据集进行实验,将实验结果与常用的LeNet神经网络、VggNet神经网络结构相比。分析显示在检测的准确率上有一定的提高,而且缓解了在训练过程中梯度弥散问题。 展开更多
关键词 入侵检测 卷积神经网络 密集连接 梯度弥散
在线阅读 下载PDF
一种卷积神经网络的稀疏性Dropout正则化方法 被引量:23
3
作者 周安众 罗可 《小型微型计算机系统》 CSCD 北大核心 2018年第8期1674-1679,共6页
Dropout是卷积神经网络中经典的正则化方法,能有效防止过拟合现象的产生.基于Dropout的卷积神经网络在训练时以完全随机的方式删除部分节点,产生的局部网络缺少对不同样本的区分性.针对上述问题,提出一种稀疏性Dropout正则化方法,该方... Dropout是卷积神经网络中经典的正则化方法,能有效防止过拟合现象的产生.基于Dropout的卷积神经网络在训练时以完全随机的方式删除部分节点,产生的局部网络缺少对不同样本的区分性.针对上述问题,提出一种稀疏性Dropout正则化方法,该方法在训练时对节点引入稀疏性限制,根据激活值的大小选择节点被删除的概率,使网络以更高的概率删除激活值较低的节点,以保留更多激活值较高的节点,增强模型的特征提取能力.测试时恢复所有被删除的节点并保留训练时的参数,达到组合多个局部网络的目的.在公开数据集上的实验结果表明,将稀疏性与Dropout相结合的方法相较于传统方法具有更好的泛化能力. 展开更多
关键词 DROPOUT 卷积神经网络 正则 过拟合 稀疏
在线阅读 下载PDF
密集连接扩张卷积神经网络的单幅图像去雾 被引量:8
4
作者 刘广洲 李金宝 +1 位作者 任东东 舒明雷 《计算机科学与探索》 CSCD 北大核心 2021年第1期185-194,共10页
针对大多数图像去雾算法模型参数估计准确性差及色彩失真等问题,提出了一种端到端的密集连接扩张卷积神经网络。首先,通过使用多层密集连接结构来增加网络的特征利用率,避免网络加深时的梯度消失现象。其次,通过在密集块中使用不同扩张... 针对大多数图像去雾算法模型参数估计准确性差及色彩失真等问题,提出了一种端到端的密集连接扩张卷积神经网络。首先,通过使用多层密集连接结构来增加网络的特征利用率,避免网络加深时的梯度消失现象。其次,通过在密集块中使用不同扩张率的扩张卷积,使网络在充分聚合上下文特征信息时不损失空间分辨率,并避免了网格伪影的产生。最后,为了提高算法的去雾能力,将该网络划分为多个阶段,并在每个阶段引入侧输出模块,从而获得更精确的特征信息。实验结果表明,所提出的去雾算法无论是在合成数据集上还是在真实数据集上都取得了较好的去雾效果,恢复的色彩更接近无雾图像,并且定量评价指标峰值信噪比(PSNR)和结构相似性(SSIM)均优于其他对比方法。 展开更多
关键词 图像去雾 卷积神经网络(CNN) 密集连接 扩张卷积
在线阅读 下载PDF
基于密集连接卷积神经网络的远程监督关系抽取 被引量:8
5
作者 钱小梅 刘嘉勇 程芃森 《计算机科学》 CSCD 北大核心 2020年第2期157-162,共6页
密集连接卷积神经网络(DenseNet)是一种新型深度卷积神经网络架构,通过建立不同层间的连接关系,来确保网络层与层间最大程度的信息传输。在文本远程监督关系抽取任务中,针对现有神经网络方法使用浅层网络提取特征的局限,设计了一种基于... 密集连接卷积神经网络(DenseNet)是一种新型深度卷积神经网络架构,通过建立不同层间的连接关系,来确保网络层与层间最大程度的信息传输。在文本远程监督关系抽取任务中,针对现有神经网络方法使用浅层网络提取特征的局限,设计了一种基于密集连接方式的深度卷积神经网络模型。该模型采用五层卷积神经网络构成的密集连接模块和最大池化层作为句子编码器,通过合并不同层次的词法、句法和语义特征,来帮助网络学习特征,从而获取输入语句更丰富的语义信息,同时减轻深度神经网络的梯度消失现象,使得网络对自然语言的表征能力更强。模型在NYT-Freebase数据集上的平均准确率达到了82.5%,PR曲线面积达到了0.43。实验结果表明,该模型能够有效利用特征,并提高远程监督关系抽取的准确率。 展开更多
关键词 深度学习 关系抽取 远程监督 卷积神经网络 密集连接
在线阅读 下载PDF
高阶神经网络连接权的稀疏化及其删减算法
6
作者 李守丽 李金艳 李望超 《电子科学学刊》 CSCD 1999年第2期182-185,共4页
本文首先研究完全连接型高阶神经网络的逼近能力,并证明了定义在{0,1}^N上的任意布尔函数都可以由完全连接的高阶神经网络来实现。接着提出了旨在简化网络结构的去除冗余连接权删减算法,并用于高阶神经分类器的稀疏化实现。模... 本文首先研究完全连接型高阶神经网络的逼近能力,并证明了定义在{0,1}^N上的任意布尔函数都可以由完全连接的高阶神经网络来实现。接着提出了旨在简化网络结构的去除冗余连接权删减算法,并用于高阶神经分类器的稀疏化实现。模拟实验结果证明了这种算法的有效性。 展开更多
关键词 高阶神经网络 冗余连接 稀疏连接 删减算法
在线阅读 下载PDF
基于可变形密集卷积神经网络的布匹瑕疵检测 被引量:6
7
作者 庄集超 郭保苏 吴凤和 《计量学报》 CSCD 北大核心 2023年第2期178-185,共8页
针对传统布匹瑕疵检测方法无法适用于尺度变化大、面积占比小的瑕疵特征,提出一种基于可变形密集卷积神经网络模型。为了关注到图像中距离较远的特征信息,并避免捕获纹理信息,采用可变形卷积来增强特征的语义表达能力。通过在卷积层中... 针对传统布匹瑕疵检测方法无法适用于尺度变化大、面积占比小的瑕疵特征,提出一种基于可变形密集卷积神经网络模型。为了关注到图像中距离较远的特征信息,并避免捕获纹理信息,采用可变形卷积来增强特征的语义表达能力。通过在卷积层中设置卷积像素相对于中心像素各自的x,y方向偏移量,并利用反向传播训练偏移量以增加感受野的变形适应性。同时,采用密集连接的方式以保持模型不遗漏边缘瑕疵信息。最后,根据瑕疵类别预测和位置边框回归实现瑕疵的分类和定位检测。实验结果表明:该模型的平均检测精度和单类目标检测精度标准差分别为93.53%,2.5139,相比于其他方法更具有竞争力。 展开更多
关键词 计量学 布匹瑕疵检测 可变形卷积 密集连接 神经网络
在线阅读 下载PDF
面向深度卷积神经网络的确定性连接丢弃算法 被引量:1
8
作者 李鸿杨 潘静 +1 位作者 何宇清 庞彦伟 《陕西师范大学学报(自然科学版)》 CAS CSCD 北大核心 2020年第2期32-37,共6页
针对深度卷积神经网络中存在的过拟合问题,本文提出了一种确定性连接丢弃的正则化方法。核心思想是根据不同卷积滤波器权重对结果的贡献度不同,确定性丢弃卷积层层间连接,通过降低卷积滤波器权重的空间维度,使得卷积神经网络各层之间的... 针对深度卷积神经网络中存在的过拟合问题,本文提出了一种确定性连接丢弃的正则化方法。核心思想是根据不同卷积滤波器权重对结果的贡献度不同,确定性丢弃卷积层层间连接,通过降低卷积滤波器权重的空间维度,使得卷积神经网络各层之间的连接更稀疏。通过将算法应用于图像分类任务来验证算法的性能,在MNIST、CIFAR-10和CIFAR-100数据集上,错误率分别为0.32%、5.33%、26.88%,相比于原始实验错误率分别降低0.15%、1.09%、1.36%。实验表明,本算法能够有效处理深度卷积神经网络的过拟合问题,并能提升网络的鲁棒性和泛化能力。 展开更多
关键词 深度学习 卷积神经网络 正则 连接丢弃
在线阅读 下载PDF
基于卷积神经网络的人脸性别识别 被引量:25
9
作者 汪济民 陆建峰 《现代电子技术》 北大核心 2015年第7期81-84,共4页
人脸性别识别是人脸识别的重要组成部分,但是人脸识别容易受到光照、旋转、平移、遮挡等因素的影响。将卷积神经网络引入到人脸性别识别中,该网络的结构具有稀疏连接和权值共享的优点,卷积层和采样层交替进行,简化了模型的复杂度。实验... 人脸性别识别是人脸识别的重要组成部分,但是人脸识别容易受到光照、旋转、平移、遮挡等因素的影响。将卷积神经网络引入到人脸性别识别中,该网络的结构具有稀疏连接和权值共享的优点,卷积层和采样层交替进行,简化了模型的复杂度。实验表明,该方法的网络结构有效地克服了旋转、遮挡等因素的影响,具有较好的鲁棒性。 展开更多
关键词 人脸性别识别 卷积神经网络 稀疏连接 权值共享
在线阅读 下载PDF
特征融合型卷积神经网络的语义分割 被引量:4
10
作者 马冬梅 贺三三 +1 位作者 杨彩锋 严春满 《计算机工程与应用》 CSCD 北大核心 2020年第10期193-198,共6页
语义分割是对图像中的不同目标进行像素级的分割和分类,是图像处理领域中的一项重要研究,应用十分广泛。深度卷积神经网络在近几年的机器视觉研究中取得了显著成效。针对密集预测的语义分割任务,提出了一种基于VGGNet网络的方法。该方... 语义分割是对图像中的不同目标进行像素级的分割和分类,是图像处理领域中的一项重要研究,应用十分广泛。深度卷积神经网络在近几年的机器视觉研究中取得了显著成效。针对密集预测的语义分割任务,提出了一种基于VGGNet网络的方法。该方法在深层特征图像中融合了浅层信息,且采用并行的不同采样率的空洞卷积进行特征提取与融合,更有效地提取不同层的特征和上下文信息,从而提高语义分割精度。采用全连接条件随机场优化图像边界,进一步提高语义分割的精度。该方法在PASCAL VOC 2012语义分割任务测试集中取得了71.3%mIOU的结果,优于之前基于VGGNet的主要经典方法。 展开更多
关键词 语义分割 卷积神经网络 机器视觉 密集预测 连接条件随机场
在线阅读 下载PDF
基于可融合残差卷积块的深度神经网络模型层剪枝方法 被引量:2
11
作者 徐鹏涛 曹健 +3 位作者 孙文宇 李普 王源 张兴 《北京大学学报(自然科学版)》 EI CAS CSCD 北大核心 2022年第5期801-807,共7页
针对当前主流的剪枝方法所获得的压缩模型推理时间较长和效果较差的问题,提出一种易用且性能优异的层剪枝方法。该方法将原始卷积层转化为可融合残差卷积块,然后通过稀疏化训练的方法实现层剪枝,得到一种具有工程易用性的层剪枝方法,兼... 针对当前主流的剪枝方法所获得的压缩模型推理时间较长和效果较差的问题,提出一种易用且性能优异的层剪枝方法。该方法将原始卷积层转化为可融合残差卷积块,然后通过稀疏化训练的方法实现层剪枝,得到一种具有工程易用性的层剪枝方法,兼具推理时间短和剪枝效果好的优点。实验结果表明,在图像分类任务和目标检测任务中,该方法可使模型在精度损失较小的情况下获得极高的压缩率,优于先进的卷积核剪枝方法。 展开更多
关键词 卷积神经网络 层剪枝 可融合残差卷积 稀疏训练 图像分类
在线阅读 下载PDF
基于改进卷积神经网络的极光图像分类算法研究 被引量:9
12
作者 李彦枝 陈昌红 谢晓芳 《南京邮电大学学报(自然科学版)》 北大核心 2019年第6期86-93,共8页
极光包含丰富的磁层和日地电磁活动以及能量耦合等空间物理信息,是一种自然放光现象。对极光图像的正确分类有助于探索太阳与地球及地球自身磁场的奥秘。文中针对极光图像分类问题提出一种基于神经网络改进的算法,首先采用迁移学习将在... 极光包含丰富的磁层和日地电磁活动以及能量耦合等空间物理信息,是一种自然放光现象。对极光图像的正确分类有助于探索太阳与地球及地球自身磁场的奥秘。文中针对极光图像分类问题提出一种基于神经网络改进的算法,首先采用迁移学习将在大规模数据集上训练过的VGG16网络用于极光数据库,然后结合VGG16和密集连接的思想提出一种改进的Dense-VGG网络,用该网络提取极光图像的特征,并实现极光图像的自动分类。在中国北极黄河站拍摄的两个极光数据库上进行了实验,其中8 001幅准确率达到96.54%,38 044幅准确率达到98.99%,证明该算法能有效提高极光图像分类准确率。 展开更多
关键词 极光图像 卷积神经网络 特征提取 密集连接 分类
在线阅读 下载PDF
一种基于双通道的水下图像增强卷积神经网络 被引量:4
13
作者 王树林 杨建民 +1 位作者 卢昌宇 刘路平 《海洋工程》 CSCD 北大核心 2023年第6期158-170,共13页
近年来各国对于海洋生物的保护意识日益强烈,用来监测海洋生物生存状态的水下机器人装备的研发是保护海洋生物资源的关键。水下相机是这类机器人在水下进行海洋生物监测时的光学感知设备。然而水下环境复杂,拍摄到的图像模糊不清,为解... 近年来各国对于海洋生物的保护意识日益强烈,用来监测海洋生物生存状态的水下机器人装备的研发是保护海洋生物资源的关键。水下相机是这类机器人在水下进行海洋生物监测时的光学感知设备。然而水下环境复杂,拍摄到的图像模糊不清,为解决水下图像模糊等问题,提出了一种基于双通道的水下图像增强卷积神经网络。在网络的编码器中采用双通道结构,其中一个通道采用了密集连接和高效通道注意力机制,提取水下图像的细节特征,另一个通道采用多尺度结构,提取原始图像的多尺度语义特征。接着,在网络中引入残差注意力模块和自适应特征融合模块,进一步优化了特征。最后将优化后的特征输入解码器重建出增强后的水下图像。试验表明:提出的网络算法在UIQM指标和Entropy指标上分别为3.0056和7.6547,较第二名的算法分别高出0.0975和0.1232。 展开更多
关键词 卷积神经网络 水下图像增强 损失函数 密集连接 注意力机制 多尺度
在线阅读 下载PDF
基于残差注意力密集网络的协作频谱感知方法
14
作者 王安义 朱涛 龚健超 《电信科学》 北大核心 2025年第2期84-94,共11页
针对基于卷积神经网络(convolutional neural network,CNN)的协作频谱感知算法存在的网络结构简单、特征提取能力不足和感知性能下降等问题,提出了一种基于残差注意力密集网络(residual attention dense network,RADN)的协作频谱感知算... 针对基于卷积神经网络(convolutional neural network,CNN)的协作频谱感知算法存在的网络结构简单、特征提取能力不足和感知性能下降等问题,提出了一种基于残差注意力密集网络(residual attention dense network,RADN)的协作频谱感知算法。该算法通过改进基础残差块,从感受野、通道和空间3个维度引入注意力机制,结合残差连接和密集连接,构建了强大的深层特征提取结构——密集残差(residual in dense,RID),显著提升了网络的特征提取能力和频谱感知性能。实验结果表明,相较于传统深度学习方法,RADN算法在低信噪比(signal-to-noise ratio,SNR)条件下表现出显著的性能提升。该方法不仅能够适应多种调制方式,还具备较高的检测概率和良好的鲁棒性。 展开更多
关键词 协作频谱感知 卷积神经网络 注意力机制 密集连接 残差连接
在线阅读 下载PDF
递增的稀疏神经网络研究
15
作者 冯超 李柠 李少远 《应用科学学报》 CAS CSCD 北大核心 2008年第2期194-198,共5页
针对稀疏神经网络应用中连接度和中间节点数不易确定的问题,并根据生物神经网络的特点,提出了学习中改变神经网络连接度和隐含结点数的学习算法.模拟脑皮层由薄到厚的发育过程,根据当前的学习结果,改变网络的拓扑结构,逐步增加网络中的... 针对稀疏神经网络应用中连接度和中间节点数不易确定的问题,并根据生物神经网络的特点,提出了学习中改变神经网络连接度和隐含结点数的学习算法.模拟脑皮层由薄到厚的发育过程,根据当前的学习结果,改变网络的拓扑结构,逐步增加网络中的连接和节点,最终学习得到满意的稀疏神经网络.新算法可以用结构更简单的稀疏神经网络达到满足要求的拟合精度,并通过仿真算例进一步验证了算法的有效性. 展开更多
关键词 稀疏神经网络 学习算法 连接
在线阅读 下载PDF
基于卷积神经网络和频率域特征的视频拷贝检测方法 被引量:1
16
作者 石慧杰 《高技术通讯》 EI CAS 北大核心 2019年第12期1201-1205,共5页
为了解决视频特征鲁棒性差、计算复杂度高等问题,提出一种新的视频拷贝检测方法。该算法将深度卷积网络特征和传统手工特征相结合,提升特征检测的维数,提升检测准确度。方法首先使用密集连接卷积网络(DenseNet)提取关键帧的深度特征,并... 为了解决视频特征鲁棒性差、计算复杂度高等问题,提出一种新的视频拷贝检测方法。该算法将深度卷积网络特征和传统手工特征相结合,提升特征检测的维数,提升检测准确度。方法首先使用密集连接卷积网络(DenseNet)提取关键帧的深度特征,并对关键帧进行离散余弦变换(DCT)提取系数特征,然后使用基于典型相关分析(CCA)的特征融合算法将2种特征进行有效融合,最后使用融合特征进行特征匹配。在标准数据集上的实验表明,本文提出的算法检测效果较好,在常见的拷贝变化下可以得到更高的检测精度。该算法可以作为一种有效的数字视频版权保护技术应用于数字视频的监管领域。 展开更多
关键词 视频拷贝检测 特征表示 卷积神经网络(CNN) 典型相关分析(CCA) 离散余弦变换(DCT) 密集连接卷积网络(DenseNet)
在线阅读 下载PDF
多维加权密集连接卷积网络的卫星云图云检测 被引量:5
17
作者 夏旻 施必成 +1 位作者 刘佳 刘万安 《计算机工程与应用》 CSCD 北大核心 2018年第20期184-189,196,共7页
云检测是多光谱卫星云图分析的前提。传统云检测方法不能很好地对多光谱卫星云图进行特征表示,导致了云检测不是很准确。卷积神经网络虽然能有效地提取特征,但训练时会产生梯度扩散,训练效率低,优化困难等问题。针对这些问题,提出多维... 云检测是多光谱卫星云图分析的前提。传统云检测方法不能很好地对多光谱卫星云图进行特征表示,导致了云检测不是很准确。卷积神经网络虽然能有效地提取特征,但训练时会产生梯度扩散,训练效率低,优化困难等问题。针对这些问题,提出多维加权密集连接卷积神经网络模型实现对多光谱卫星云图的云检测。跨层连接能够实现网络中所有层之间的信息流,从而减少训练过程中的梯度消失导致收敛困难的问题。特征图之间连接的权值不同使得网络能够更高效地利用特征信息。通过实验结果对比,该模型可以很好地提取云图特征,提高多光谱云图检测的准确率,具有更好的泛化性能和优化效率。 展开更多
关键词 多维加权密集连接 卷积神经网络 多光谱卫星云图 云检测
在线阅读 下载PDF
基于多尺度注意力网络的密集人群计数
18
作者 文帅 蒋勇 +2 位作者 杨丹 马金刚 杨闻宇 《计算机应用与软件》 北大核心 2025年第1期130-136,157,共8页
针对拥挤场景下的尺度变化导致人群计数任务中精度较低的问题,提出一种基于多尺度注意力网络(MANet)的密集人群计数模型。通过构建多列模型以捕获多尺度特征,促进尺度信息融合;使用双注意力模块获取上下文依赖关系,增强多尺度特征图的信... 针对拥挤场景下的尺度变化导致人群计数任务中精度较低的问题,提出一种基于多尺度注意力网络(MANet)的密集人群计数模型。通过构建多列模型以捕获多尺度特征,促进尺度信息融合;使用双注意力模块获取上下文依赖关系,增强多尺度特征图的信息;采用密集连接重用多尺度特征图,生成高质量的密度图,之后对密度图积分得到计数。此外,提出一种新的损失函数,直接使用点注释图进行训练,以减少由高斯滤波生成新的密度图而带来的额外的误差。在公开人群数据集ShanghaiTech Part A/B、UCF-CC-50、UCF-QNRF上的实验结果均达到了最优,表明该网络可以有效处理拥挤场景下的目标多尺度,并且生成高质量的密度图。 展开更多
关键词 密集人群计数 多尺度 卷积神经网络 注意力机制 密集连接 损失函数
在线阅读 下载PDF
一种双输入稀疏连接的肝细胞癌和肝内胆管细胞癌分类网络
19
作者 胡瑶 王远军 《小型微型计算机系统》 CSCD 北大核心 2024年第5期1129-1135,共7页
由于通过常见的影像学特征难以区分肝细胞癌和肝内胆管癌,且对医生的专业性依赖程度较高,因此本文提出了一种双输入稀疏连接的肝细胞癌和肝内胆管细胞分类网络(DS2-Net).首先,采用了可以同时学习增强CT图像中静脉期和动脉期特征的双输... 由于通过常见的影像学特征难以区分肝细胞癌和肝内胆管癌,且对医生的专业性依赖程度较高,因此本文提出了一种双输入稀疏连接的肝细胞癌和肝内胆管细胞分类网络(DS2-Net).首先,采用了可以同时学习增强CT图像中静脉期和动脉期特征的双输入结构;其次,网络首层为主干模块,可以有效的提升特征表达能力,提高分类的准确率;此外,网络采用的稀疏连接方式可以在不降低网络性能的基础上提升计算速度并减少参数量.最后,在171例肝内胆管癌和146例肝细胞癌的实验结果中,该方法的分类准确率达到93.68%,AUC面积达到0.9875.实验结果证明了本文提出的网络模型能够实现肝癌精准分类,有望应用于辅助临床医师诊断治疗. 展开更多
关键词 肝癌分类 卷积神经网络 双输入 主干模块 稀疏连接模块
在线阅读 下载PDF
基于自适应剪枝率与高效权重继承的神经网络通道剪枝方法 被引量:1
20
作者 刘相呈 曹健 +3 位作者 姚宏毅 徐鹏涛 张袁 王源 《北京大学学报(自然科学版)》 EI CAS CSCD 北大核心 2023年第5期764-772,共9页
目前的通道级剪枝方法往往需要复杂的搜索和微调过程,并且容易陷入局部最优解,针对此问题,提出一种新颖的通道剪枝框架(AdaPruner),只需通过一次稀疏训练,就可以针对各种预算复杂度,自适应地生成相应的子网络,并高效地选择适合当前结构... 目前的通道级剪枝方法往往需要复杂的搜索和微调过程,并且容易陷入局部最优解,针对此问题,提出一种新颖的通道剪枝框架(AdaPruner),只需通过一次稀疏训练,就可以针对各种预算复杂度,自适应地生成相应的子网络,并高效地选择适合当前结构的初始化权重。在图像分类任务的多个数据集上实验结果表明,该方法在常用的残差网络和轻量级网络上的性能都优于以往剪枝方法。 展开更多
关键词 卷积神经网络 通道剪枝 稀疏训练 神经网络结构搜索 图像分类
在线阅读 下载PDF
上一页 1 2 3 下一页 到第
使用帮助 返回顶部