论文部分内容阅读
深度卷积神经网络在图像分类任务中取得了极大的成功。现有的基于简化卷积的卷积神经网络结构能够减少网络参数,但会丢失部分特征信息,降低网络性能。为了提高图像分类正确率,提出一种二分支卷积单元。该卷积单元包含两种类型的滤波器,分别用于提取包含特征通道内与通道间信息的特征。以此卷积单元代替传统的滤波器,构建深度卷积神经网络,称为CTsNet。将该网络应用于图像分类任务,在CIFAR10、CIFAR100数据库上进行验证实验。结果表明,二分支卷积单元能够有效提取包含不同信息的特征,增加特征的多样性,减少信息损