应用于图像分割的卷积神经网络参数简化模型

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。