肖 遥，蒋 琦，王晓明,2*，杜亚军，黄增喜

（1.西华大学计算机与软件工程学院，四川 成都 610039；2.西华大学机器人研究中心，四川 成都 610039）

图像识别是计算机视觉领域的重要研究方向，其任务是识别给定的一张或多张图像的类别或属性。图像识别技术被广泛应用于自动驾驶、视频监控以及智能医疗等领域。实际应用中，图像识别的主要挑战在于如何提取具有强鉴别性的图像特征。传统的图像识别算法针对不同模式的识别任务设计了多种类型的特征[1−3]。然而，这些特征往往只针对某一特定的识别环境，无法完全适应复杂环境。随着计算机硬件的迅速发展及大规模数据集可用性的提高，卷积神经网络（convolution neural network,CNN）在图像识别领域受到越来越多研究者的关注。不同于传统的识别算法，基于CNN 的图像识别能够自适应的提取适合当前识别模式的深度特征，具有更强的泛化性能及更高的识别率。为了进一步增强深度模型的特征表达能力，研究者提出了许多不同的改进方案。按照实现的方式，这些改进可分为基于网络结构的改进和基于能量函数的改进。基于网络结构的改进旨在增加网络的深度以提高深度模型的特征表达能力。文献[4]提出了具有13～19 层网络的VGG 深度卷积模型。文献[5]提出的GoogLeNet 深度卷积模型将网络层数提高到了22 层。文献[6]将网络模型进一步提高到了110 层，并探索了高达1 102 层的网络模型的有效性。增加网络的深度能够增强模型的特征表达能力，然而，这种策略是不可持续的。……