Resumen

Como una red neuronal profunda ligera, MobileNet tiene menos parámetros y una mayor precisión de clasificación. Con el objetivo de reducir aún más el número de parámetros de red y mejorar la precisión de clasificación, se introducen bloques densos propuestos en DenseNets en MobileNet. En los modelos Dense-MobileNet, las capas de convolución con el mismo tamaño de mapas de características de entrada en los modelos MobileNet se toman como bloques densos, y se realizan conexiones densas dentro de los bloques densos. La nueva estructura de red puede aprovechar al máximo los mapas de características de salida generados por las capas de convolución previas en los bloques densos, para generar una gran cantidad de mapas de características con menos núcleos de convolución y utilizar repetidamente las características. Al establecer una tasa de crecimiento pequeña, la red reduce aún más los parámetros y el costo computacional. Se diseñan dos modelos Dense-MobileNet, Dense1-MobileNet y Dense2-MobileNet. Los experimentos muestran que Dense2-MobileNet puede lograr una mayor precisión de reconocimiento que MobileNet, pero

• Materias:Red 5G Internet de las cosas Seguridad de la información Tecnologías de comunicación
• Subjects:5G Network Internet of things Information security Communication technologies
• Palabras claves:Mobilenet; Parámetros; Precisión de la clasificación; Bloques densos; Densenets; Capas de convolución
• Keywords:Mobilenet; Parameters; Classification accuracy; Dense blocks; Densenets; Convolution layers