基于分组残差结构的轻量级卷积神经网络设计

摘要

针对传统深度卷积神经网络参数数量过多,很难在移动设备上应用的问题,提出基于分组残差结构的轻量级卷积神经网络架构GResNets.利用三个卷积层的瓶颈结构将上层输出特征图分为数量相等的四组,根据组内的瓶颈模块加入恒等映射的方式和组外相邻模块是否加入残差学习,设计了三种轻量级卷积神经网络架构.试验阶段,在Caltech-256,Food-101和GTSRB图像分类数据集上评测了三种网络架构的性能.实验结果表明,与传统深度卷积神经网络相比,GResNets能在网络参数较少的情况下,具有同样、甚至更优越的分类性能,适合在移动设备上应用.