自适应融合残差网在图像分类中应用研究

摘要 针对卷积神经网络存在随着网络深度增加导致优化困难，识别正确率降低、泛化性能差等问题，在ResNet（残差网络）基础上，提出了一种基于softmax全连接自适应门控网络融合模型.该方法在隐层网络深度达到一定层数后，设置多种卷积核尺寸作为独立网络输出，通过softmax全连接门控网络输出各模型选择概率，融合多种卷积尺寸残差网输出作为模型最终输出.实验表明，本文提出的融合残差网络模型更适合于多类别、精细化数据集，与单网络模型相比，在训练集上具有更好的收敛性，在测试集上具有更好的泛化性能