卷积神经网络层级分解研究
来源：计算机工程杂志2019年第11期北京时间：
作者：柯岩, 林小竹, 廖蕊, 魏战红
单位：1. 北京石油化工学院 信息工程学院, 北京 102617;2. 北京化工大学 信息科学与技术学院, 北京 100029
摘要：随着深度学习的不断发展，卷积神经网络（CNN）在目标检测与图像分类中受到研究者的广泛关注。CNN从LeNet-5网络发展到深度残差网络，其层数不断增加。基于神经网络中深度的含义，在确保感受野相同的前提下，给定标准的输入图片和输出特征图，对不同层数的卷积神经网络进行训练，并将训练结果与标准输出图进行对比。在此基础上，对标准的3×3卷积核进行分解，构建由2×2大小卷积核组成的CNN。根据目标特征是否具有中心对称的性质，提出多层卷积网络初始权值的选取规则。
关键词：卷积神经网络,卷积核,感受野,网络深度,中心极限定理
基金资助：国家自然科学基金（61702040）；北京市自然科学基金（4174089）；北京市教委科研科技计划一般项目（KM201810017006）。
