《表1 模型A网络结构[2]》
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。
图表编号 | XD0073053300 严禁用于非法目的 |
---|---|
绘制时间 | 2019.05.01 |
作者 | 付鹏飞、许斌 |
绘制单位 | 泛亚汽车技术中心有限公司运营及工程规划部、泛亚汽车技术中心有限公司运营及工程规划部 |
更多格式 | 高清、无水印(增值服务) |