《表1 模型A网络结构[2]》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《全卷积神经网络仿真与迁移学习》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

参考文献[2]中提出了一种基于全卷积网络结构的方法，去掉了池化层、全连接层，相比VGGNet，GoogleNet，ResNet采用了较少的深度，以实现模型的精简。这种思路非常有利于在受限平台下的嵌入式移植，有利于在特定工作环境下的高效运行。参考文献[2]方法包含表1-6中所示的A，B，C，Model Stride-CNN-C，ConvPool-CNN-C network，All-CNN-C一共6种模型。本论文通过python编程实现了参考论文中所描述的方法，在数据集CIFAR-10上训练它们，并在数据集CIFAR-10上进行测试，完成图像分类。随后尝试了基于CIFAR-10数据集训练的全卷积网络模型的迁移学习，把学习到的模型应用于CIFAR-100数据集的小子集class1和class2，分析结果，以尝试在受限平台下基于CNN算法的轻量化、专门化研究。