《表1 不同嵌入网络结构对比》
注:C表示卷积层,MP表示最大池化层,GAP表示全局平均池化层。
对比ResNet[1]结构,本文提出的嵌入模块更适用于小样本学习任务。本文设计网络的出发点是使用跳过连接来加深网络,更好地提取特征,并且尽量减少参数数量以防过拟合。首先,该模块使用最大池化来减半特征图的大小而不是ResNet[1]中使用更大步长的卷积层,参数量总计减少了460 k。其次,该模块最后使用1×1卷积层扩展深度代替全连接层,本文认为全卷积网络更有利于提取特征,实验证明,该方法提高了0.2%的精度。最后,该模块带参层数共13层,且选择了最合适的卷积核数量。这些方法达到了在保证深度和效果的同时,尽可能减少参数的目的。相比最小的ResNet-18[1](参数量为11.13×106),本文(参数量为1.24×106)减少了88.86%的参数,并且取得了更好的效果,如表1所示。由于输入尺寸的不同,本文未使用ResNet-18最后的两个下采样层。
图表编号 | XD0098406500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.16 |
作者 | 汪荣贵、郑岩、杨娟、薛丽霞 |
绘制单位 | 合肥工业大学计算机与信息学院、合肥工业大学计算机与信息学院、合肥工业大学计算机与信息学院、合肥工业大学计算机与信息学院 |
更多格式 | 高清、无水印(增值服务) |