苏州科技大学模板.docxVIP

  • 0
  • 0
  • 约1.2万字
  • 约 15页
  • 2026-11-19 发布于辽宁
  • 举报

本科毕业论文

PAGE1/SECTIONPAGES1

本科毕业论文(设计)

基于改进轻量化卷积神经网络的图像分类方法研究

姓名:

张伟

学号:

2021301001

专业:

计算机科学与技术

学院:

电子与信息工程学院

指导教师:

李明教授

2026年6月

本科毕业论文

PAGE1/SECTIONPAGES1

摘要

图像分类是计算机视觉的基础任务,也是智能安防、工业质检、医学影像辅助诊断等应用的核心环节。近年来,以卷积神经网络为代表的深度模型在ImageNet等大规模基准上不断刷新精度纪录,但高精度往往以庞大的参数量和计算开销为代价,难以直接部署到移动终端与嵌入式设备。如何在有限算力条件下保持较高分类精度,成为该领域的关键问题。

本文以轻量化卷积神经网络为研究对象,围绕精度—效率平衡展开研究。首先梳理卷积神经网络与视觉Transformer的技术演进脉络,分析残差连接、深度可分离卷积、通道注意力与复合缩放等关键机制的作用机理;其次,针对标准卷积在低维通道上特征表达不足、注意力模块计算冗余的问题,设计了一种改进的轻量级骨干网络,采用倒残差结构与通道—空间联合注意力相结合的方式,在保持较低浮点运算量的同时增强特征判别能力;再次,构建包含数据增强、余弦退火学习率与标签平滑的训练流程,并在公开数据集上完成对比实验与消融实验。

实验结果表明,

文档评论(0)

1亿VIP精品文档

相关文档