信息与控制

作者：汪正华, 王予, 倪梓豪, 杨永良

关键词：特征融合, 轻量化模块, 卷积神经网络

针对卷积神经网络在计算机视觉任务中表现优异，但常面临较长的推理时间、较大的参数量和计算量的问题，研究发现层次化卷积神经网络中存在多尺度特征冗余，并基于此开发了一种高效的多尺度特征融合模块——混合与差异增强模块。该模块由混合块与差异增强块组合而成：混合块合并冗余特征，利用冗余特征强化特征学习能力；差异增强块关注特征之间差异，优化模块在小样本任务中的表征能力。将混合与差异增强模块嵌入在不同任务的多个网络模型中。实验结果表明，混合与差异增强模块作为即插即用模块，能在无需对现有模型架构进行复杂的调整的情况下减少参数量、计算量和提升推理速度，同时具有更优异的特征表征能力，显著提高了性能。

来源：2025年第6期

《信息与控制》期刊编辑部

查看信息与控制杂志2025年第6期