FuseNet:应用于移动端的轻量型图像识别网络 |
| |
作者姓名: | 田鑫驰 王亚刚 尹钟 |
| |
作者单位: | 上海理工大学,上海理工大学,上海理工大学 |
| |
基金项目: | 国家自然科学基金资助项目(61074087,61703277) |
| |
摘 要: | 为解决目前Transformer模型因其巨大的参数量和计算复杂度而无法应用在计算资源相对有限的移动设备中的问题,提出了一种适用于移动端的友好型轻量图像识别网络称为FuseNet。FuseNet利用卷积神经网络提取局部特征信息和自注意力机制擅长对全局信息进行建模的特性,将局部表示与全局表示两者的特性整合至一个特征提取模块,高效融合了两种不同结构的优点达到以较小的模型规模实现较高准确率的目的。实验证明不同参数规模的FuseNet可以在不进行预训练的情况下实现良好的性能,可以很好地应用在移动设备中。FuseNet-B在ImageNet-1K数据集上以14.8M的参数量实现了80.5%的准确率,性能表现超过了同体量的Transformer模型和卷积神经网络。
|
关 键 词: | 卷积神经网络 图像识别 移动设备 轻量型 Transformer FuseNet |
收稿时间: | 2022-05-14 |
修稿时间: | 2022-12-23 |
|
| 点击此处可从《计算机应用研究》浏览原始摘要信息 |
|
点击此处可从《计算机应用研究》下载全文 |
|