一种新的高效轻量级卷积神经网络模型

针对目前食物识别系统中网络模型参数量多、模型较大的问题，提出一种23层结构、参数量只有204k的网络模型，使用基本构造块（7×7、5×5、3×3）生成特征图，用不同感受野的2个池化层来融合卷积层的特征图，再用1×1的卷积核进行非线性组合，然后连接到空间金字塔池化层，最后在softmax分类器中分类。在公开数据集上的实验表明，与ResNet50和GoogLeNet相比，本文网络模型在分类性能不降低的情况下，模型参数分别减少了99.14%和96.63%。