论文部分内容阅读
针对传统卷积神经网络(如Lenet5)在图像的多分类任务中识别率不高、较新的卷积神经网络(如VGG16)在图像的多分类任务中待优化的参数达到千万级别的问题。采用将SqueezeNet 神经网络与FractalNet 神经网络相结合的方法。本文使用SqueezeNet 神经网络中的Fire Module 来减少模型的参数、FractalNet 神经网络的基本架构来保证神经网络模型的准确度。结果显示:在其它超参数基本相同的前提下,迭代40 代时,DenseNet 模型的测试集准确度为79.92%,而混合模型的