张智杰,尉 飞,葛青青,赵宝奇,孙军梅,李秀梅

(杭州师范大学 信息科学与技术学院,杭州 311121)

卷积神经网络广泛应用于图像分类、语义分割和图像生成等计算机视觉领域,其通过卷积核对图像中的局部区域做卷积,以提取图像中的特征,在每一层的卷积中通过参数共享以减少模型复杂度,之后结合池化操作实现位移不变性的识别.现有的卷积神经网络普遍将3×3 卷积作为其基本构建模块.对于卷积神经网络而言,卷积核的感受野、深度以及通道数决定了网络的性能.感受野越大,表示特征图上像素点映射的区域越大;深度决定了网络的抽象能力或学习能力;通道数决定了卷积核所包含的信息量大小.感受野和通道数共同决定了卷积层学习有效信息与空间的能力.

2012年,卷积神经网络在复杂模型下的有效性得到证明[1];2015年Inception Net v1[2]以及v2、v3、v4[3]证明了更多的卷积和更深的网络可以得到更好的分类效果;2016年,ResNet 解决了深度网络结构的训练问题[4].传统的卷积操作主要有3 个缺点:(1)使用的是局部操作,不能得到比较大的范围甚至图像的全局特征,且卷积核是固定的尺寸;(2)对物体的形状、姿态变化缺少适应性;(3)当特征的通道数变大后,卷积核的参数也变得庞大,增加了运算量.在传统的卷积神经网络中,图像输入到卷积神经网络后,先对图像做传统的卷积,然后进行池化操作,通过降低特征点的数量来扩大感受野[5].由于图像分割是像素级的预测,对池化……