基于多通道结构的卷积神经网络在图像分类中的研究

为解决传统的卷积神经网络的卷积结构单一、分类精度不佳且模型参数和计算量较大等问题，本文对经典的传统网络Alexnet进行网络结构优化进行多通道改进，构建了Tra-net、Mynet v1、Mynet v2三条不同的网络。将三种不同的卷积神经网络在公开数据集Caltech256上进行识别性能测试，其中Mynet v2网络最高识别准确率可达59.56%，且模型缩小至25MB左右。实验结果表明改进后网络Mynet v1、Mynet v2的识别性能均优于传统的神经网络Tra-net，使用瓶颈结构卷积模块的网络在提高识别准确率的同时大幅度降低了网络模型参数。