一种嵌入并行通道蓝图分离卷积的图像分类算法

摘要

卷积神经网络计算复杂度高,占用资源多,使得其很难部署到移动嵌入式设备上.为了解决这类限制,本文提出了一种基于嵌入并行通道蓝图分离卷积（B2SENet）模型的图像分类算法,首先通过引入并行SENet通道,使得不同内核大小的并行分支融合在一起,增强全局感受野,其次在并行SE通道中改变传统卷积操作方式,适配蓝图分离卷积（BS）,有效减少卷积层参数以及模型体积.最后在并行通道融合过程中引入soft attention机制,获取通道权重系数,使得模型强化对特征的选择性,在CIFAR10和100以及ImageNet2012基准数据集上对比,实验表明B2SENet（BS+并行通道SENet）在模型复杂度以及准确率上均优于MobileNet和ShuffleNet,使得其在嵌入式设备网络模型中表现相当出色.