改进MobileNet的图像分类方法研究

高淑萍，赵清源，齐小刚，程孟菲

（西安电子科技大学 数学与统计学院，陕西 西安 710126）

图像分类是通过涵盖在图像里的不同特征信息来对图像集进行归类，它是目前计算机视觉领域的基本问题之一，也是行为检测、目标识别、图像修复、图像切割等复杂视觉任务的基础。图像分类广泛应用于诸多领域，包括医学影像识别等。早期图像分类技术以人工提取特征为主，而后发展为特征表达的学习，首先是利用尺度不变特征转换(scale-invariant feature transform, SIFT)、方向梯度直方图(histogram of oriented gradient,HOG)等方法进行底层特征提取；其次是利用核词典编码、Fisher向量编码等进行特征编码；然后是将编码后的特征进行汇聚；最后利用支持向量机等分类器进行图像分类。虽然特征表达的学习方式能够提取一部分图像特征，但这种方式容易出现特征丢失、泛化性能差的问题，最终难以达到理想图像分类精度的要求。

深度学习中卷积神经网络(convolutional neural network, CNN)能够完成输入信息从浅层学习到深层学习的逐级表达，提取更加准确的特征，降低在图像分类技术上的操作难度并取得显著效果。在图像分类领域，最初是由Yann LeCun[1]将CNN部署在手写体识别上，取得了良好的识别效果；2012年后，相继出现了AlexNet、GoogLeNet[2]、ResNet[3]等具有代表性的深度网络结构；近几年，国内外提出轻量化版本的网络结构，如GhostNet[4]、ShuffleNetV1[5]、MobileNetV1[6]、MobileNetV2[7]、ShuffleNetV2[8]、SqueezeNet[9]和IGCV3[10]，其中MobileNet系列更具代表性。在MobileNetV1中，以深度可分离卷积替换标准卷积的方式降低了网络结构的大小和计算复杂度，而MobileNetV2在保持深度可分离卷积的基础上，加入多个逐点卷积，进一步提升网络结构性能和降低计算复杂度。……