简化型残差结构与快速深度残差网络 | |
杨怀江; 王二帅; 隋永新; 闫丰; 周跃 | |
刊名 | 吉林大学学报(工学版)
![]() |
2021 | |
页码 | 10 |
英文摘要 | 当前深度残差网络模型训练缓慢,为解决这一问题该文设计了一种新型的残差结构。与典型的残差结构相比,该结构仅含有一个BatchNormalization和 ReLU模块,通过减少网络训练过程的计算量降低了耗时,提升了模型训练速度。在常用的CIFAR10/100图像分类数据库上进行了对比实验分析,以该方法构建的深度为110层的网络CIFAR10分类错误率为5.29%,CIFAR100分类错误率为24.80%,典型的110层深度残差网络分类错误率分别为5.75%和26.02%;在训练耗时方面,该方法平均周期耗为133.47s,典型的残差网络平均周期耗时为208.26s,提升了35.91%;结果表明该网络结构在保证分类性能的基础上极大地提升了训练速度,具有较好的实用价值。 |
URL标识 | 查看原文 |
内容类型 | 期刊论文 |
源URL | [http://ir.ciomp.ac.cn/handle/181722/65867] ![]() |
专题 | 中国科学院长春光学精密机械与物理研究所 |
作者单位 | 1.中国科学院大学 2.长春国科精密光学技术有限公司 3.中国科学院长春光学精密机械与物理研究所 |
推荐引用方式 GB/T 7714 | 杨怀江,王二帅,隋永新,等. 简化型残差结构与快速深度残差网络[J]. 吉林大学学报(工学版),2021:10. |
APA | 杨怀江,王二帅,隋永新,闫丰,&周跃.(2021).简化型残差结构与快速深度残差网络.吉林大学学报(工学版),10. |
MLA | 杨怀江,et al."简化型残差结构与快速深度残差网络".吉林大学学报(工学版) (2021):10. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论