TY - Jour A2 - Khan，Malik Jahan Au - Wang，Wei Au - Li，Yutao Au - Zou，Ting Au - Wang，Xin Au - You，Jieyu Au - Luo，延红PY - 2020DA - 2020 / 01/06- 通过Dense-Mobilenet模型SP - 7602384 VL-2020 AB - 作为轻量级深层神经网络的新型图像分类方法，MobileNet具有更少的参数和更高的分类精度。为了进一步减少网络参数的数量并提高分类精度，将在语程中提出的密集块引入MobileNet中。在密集的MobileNet模型中，MobileNet模型中具有相同输入特征贴图尺寸的卷积层作为密集块，并且密集的连接在密集的块内进行。新的网络结构可以充分利用密集块中先前卷积图层生成的输出特征映射，以便生成具有较少卷积核心的大量特征映射，并反复使用该功能。通过设置小的增长率，网络进一步降低了参数和计算成本。设计了两种密集的Mobilenet型号，Dense1-Mobilenet和Dense2-Mobilenet。实验表明，Dense2-MobileNet可以比MobileNet实现更高的识别精度，同时仅具有更少的参数和计算成本。SN - 1574-017X UR - https://doi.org/10.1155/2020/7602384 Do - 10.1155 / 2020/7602384 JF - 移动信息系统PB - Hindawi Kw - ER -