检索结果

Select

1. 改进的基于多路径特征的胶囊网络

徐清海, 丁世飞, 孙统风, 张健, 郭丽丽

《计算机应用》唯一官方网站 2023, 43 (5): 1330-1335. DOI: 10.11772/j.issn.1001-9081.2022030367

摘要（335）

HTML （40）

PDF （1560KB）（248）

针对胶囊网络（CapsNet）在复杂数据集上的分类效果差，而且在路由过程中参数数量过大等问题，提出一种基于多路径特征的胶囊网络（MCNet），包含新的胶囊特征提取器和新的胶囊池化方法。该胶囊特征提取器从多个不同路径中并行地提取不同层次、不同位置的特征，然后将特征编码为包含更多语义信息的胶囊特征；胶囊池化方法则在胶囊特征图的每个位置选取最活跃的胶囊，用少量的胶囊表示有效的胶囊特征。在4个数据集（CIFAR-10、SVHN、Fashion-MNIST、MNIST）上与CapsNet等模型进行了对比。实验结果显示，MCNet在CIFAR-10数据集上的分类准确率为79.27%，可训练的参数数量为6.25×10⁶，与CapsNet相比，MCNet的分类准确率提升了8.7%，参数数量减少了46.8%。MCNet能够有效提升分类准确率，同时减少可训练的参数数量。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 基于跨通道交叉融合和跨模块连接的轻量级卷积神经网络

陈力, 丁世飞, 于文家

计算机应用 2020, 40 (12): 3451-3457. DOI: 10.11772/j.issn.1001-9081.2020060882

摘要（483）

PDF （1104KB）（610）

针对传统卷积神经网络参数量过多、计算复杂度高的问题，提出了基于跨通道交叉融合和跨模块连接的轻量级卷积神经网络架构C-Net。首先，提出了跨通道交叉融合的方法，它在一定程度上克服了分组卷积中各分组之间存在缺乏信息流动的问题，简单高效地实现了不同分组之间的信息通信；其次，提出了一种跨模块连接的方法，它克服了传统轻量级架构中各基本构建块之间彼此独立的缺点，实现了同一阶段内具有相同分辨率特征映射的不同模块之间的信息融合，从而增强了特征提取能力；最后，基于提出的两种方法设计了一种新型的轻量级卷积神经网络架构C-Net。C-Net在Food_101数据集上的准确率为69.41%，在Caltech_256数据集上的准确率为63.93%。实验结果表明，与目前先进的轻量级卷积神经网络模型相比，C-Net降低了存储开销和计算复杂度。在Cifar_10数据集上的消融实验验证了所提出的两种方法的有效性。

参考文献 | 相关文章 | 多维度评价

Select

3. CCDM2022+65: 一种改进的基于多路径特征的胶囊网络

徐清海丁世飞孙统风张健郭丽丽