| 注册
首页|期刊导航|井冈山大学学报(自然科学版)|基于卷积核分解的深度CNN模型结构优化及其在 小图像识别中的应用

基于卷积核分解的深度CNN模型结构优化及其在 小图像识别中的应用

罗富贵 李明珍

井冈山大学学报(自然科学版)2018,Vol.39Issue(2):31-39,9.
井冈山大学学报(自然科学版)2018,Vol.39Issue(2):31-39,9.DOI:10.3969/j.issn.1674-8085.2018.02.006

基于卷积核分解的深度CNN模型结构优化及其在 小图像识别中的应用

THE OPTIMIZATION OF SUPER DEEP CNN MODEL BASED ON CONVOLUTIONAL KERNEL DECOMPOSITION AND APPLICATION ON TINY IMAGES RECOGNITION

罗富贵 1李明珍1

作者信息

  • 1. 河池学院计算机与信息工程学院,广西,宜州 546300
  • 折叠

摘要

关键词

卷积神经网络/卷积核分解/小图像/识别/超深度模型

分类

信息技术与安全科学

引用本文复制引用

罗富贵,李明珍..基于卷积核分解的深度CNN模型结构优化及其在 小图像识别中的应用[J].井冈山大学学报(自然科学版),2018,39(2):31-39,9.

基金项目

河池学院2016年校级重点项目(XJ2016ZD007) (XJ2016ZD007)

河池学院2017年校级重点项目(XJ2017ZD08) (XJ2017ZD08)

井冈山大学学报(自然科学版)

1674-8085

访问量0
|
下载量0
段落导航相关论文