张万玉，肖 锋，张文娟，邹品荣，王晨阳

(1.西安工业大学 计算机科学与工程学院，西安 710021；2.西安工业大学 基础学院，西安 710021；3.西安工业大学 兵器科学与技术学院，西安 710021)

卷积神经网络(Convolutional Neural Network，CNN)已经广泛地应用到图像分类、目标检测和语义分割等各种计算机视觉任务中。近年来，许多研究者[1-2]开始研究如何在现有CNN的基础上进一步提升网络性能和信息感知表达能力，一方面，从LeNet[3]到VGG[4]再到Residual风格[5-8]的网络通过不断堆叠重复的卷积模块或者使用残差块(residual block)的网络加深网络深度，从而捕获更多图像的表达信息。另一方面，考虑到CNN局部感受野自身的不足，许多工作从多尺度信息融合的角度入手，GoogLeNet[9]在同一层使用不同大小的卷积核，从而获取到不同感受野的信息；Res2Net[10]通过使用等级制度的方法，能更好表示多尺度的信息，使得网络能够获得更加颗粒级别的信息。此外，文献[11-13]使用膨胀卷积(dilated convolution)和分组卷积(group convolution)来对卷积网络进行改造，膨胀卷积在不增加池化操作的情况下，获得了更大的感受野信息，而分组卷积则是借鉴AlexNet[14]的工作，把卷积计算的操作分组执行，使得在保持网络基本性能的前提下，计算量显著减少。然而，尽管基于残差连接的方式能够在一定程度减少梯度消失和梯度爆炸的出现，但通过不断堆叠卷积来获取更多、更丰富的特征信息，实际上是一种不够高效的方式。此外，基于多尺度融合的方式，有时需要人为手动设计的卷积核的大小，以保证其对特定任务有较好的性能提升。……