论文部分内容阅读
本文提出了一种基于分组模块的卷积结构,先将输出特征图分成数量相等的两组,每一组采用不同的卷积核进行操作以提取更充分的信息,而后将分组得到的多样性特征图像进行级联,最后通过1*1的卷积核将所有特征图整合.与传统的CNN比较,使用本文模块的网络在数据集Caltech256上将识别率由50.1%提升至52.2%.在数据集101_food上将识别精度由66.3%提升至68.9%.实验结果表明网络在识别精度性能上有所提升.