基于课程学习的轻量级卷积神经网络研究  

Lightweight convolutional neural networks based on curriculum learning

作　　者：张译匀[1] 黄耿生[1] 王嫣然 ZHANG Yiyun;HUANG Gengsheng;WANG Yanran(Guangdong Vocational Institute of Public Administration,Guangzhou 510800,China)

机构地区：[1]广东行政职业学院,广州510800

出　　处：《计算机应用文摘》2024年第19期72-74,共3页

基　　金：2023年广东省普通高校特色创新类项目:基于深度学习的乒乓球发球机的研究(2023KTSCX294);2023年教育部供需对接就业育人项目(2023122637086)。

摘　　要：近年来,卷积神经网络的快速发展推动着计算机视觉及相关任务的性能提升。在网络层数增加和任务复杂度提升的同时,卷积神经网络仍面临一些问题。基于此,文章利用课程学习训练方法对轻量化卷积神经网络进行了设计,旨在进一步提高其性能。In recent years,the rapid development of convolutional neural networks has driven the performance improvement of computer vision and related tasks.While increasing the number of network layers and task complexity,convolutional neural networks still face some problems.Based on this,this article designs a lightweight convolutional neural network using course learning training methods,aiming to further improve its performance.

关 键 词：轻量化 卷积神经网络 课程学习 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]