2023-05-10计算机应用,JournalofComputerApplications2023,43(5):1401-1408ISSN1001-9081CODENJYIIDUhttp：//www.joca.cn基于NSGA-Ⅱ的自适应多尺度特征通道分组优化算法王彬1，2*，向甜1，吕艺东1，王晓帆1（1.西安理工大学计算机科学与工程学院，西安710048；2.陕西省网络计算与安全技术重点实验室（西安理工大学），西安710048）（∗通信作者电子邮箱wb@xaut.edu.cn）摘要：针对轻量型卷积神经网络（LCNN）的精确度和复杂度均衡优化问题，提出基于快速非支配排序遗传算法（NSGA-Ⅱ）的自适应多尺度特征通道分组优化算法对LCNN特征通道分组结构进行优化。首先，将LCNN中的特征融合层结构的复杂度最小化和精确度最大化作为两个优化目标，进行双目标函数建模及理论分析；然后，设计基于NSGA-Ⅱ的LCNN结构优化框架，并在原始LCNN结构的深度卷积层之上增加基于NSGA-Ⅱ的自适应分组层，构建基于NSGA-Ⅱ的自适应多尺度的特征融合网络NSGA2-AMFFNetwork。在图像分类数据集上的实验结果显示，与手工设计的网络结构M_blockNet_v1相比，NSGA2-AMFFNetwork的平均精确度提升了1.2202个百分点，运行时间降低了41.07%。这表明所提优化算法能较好平衡LCNN的复杂度和精确度，同时还可为领域知识不足的普通用户提供更多性能表现均衡的网络结构选择方案。关键词：轻量型卷积神经网络；特征提取通道分组优化；双目标函数建模；快速非支配排序遗传算法；图像分类；进化算法中图分类号：TP183；TP399文献标志码：AAdaptivemulti-scalefeaturechannelgroupingoptimizationalgorithmbasedonNSGA-ⅡWANGBin1，2*，XIANGTian1，LYUYidong1，WANGXiaofan1（1.SchoolofComputerScienceandEngineering，Xi'anUniversityofTechnology，Xi'anShaanxi710048，China；2.ShaanxiKeyLaboratoryforNetworkComputingandSecurityTechnology（Xi'anUniversityofTechnology），Xi'anShaanxi710048，China）Abstract:AimingatthebalanceoptimizationproblemofLightweightConvolutionalNeuralNetwork（LCNN）inaccuracyandcomplexity，anadaptivemulti-scalefeaturechannelgroupingoptimizationalgorithmbasedonfastNon-dominatedSortingGeneticAlgorithm（NSGA-Ⅱ）wasproposedtooptimizethefeaturechannelgroupingstructureofLCNN.Firstly，thecomplexityminimizationandaccuracymaximizationofthefeaturefusionlayerstructureinLCNNwereregardedastwooptimizationobjectives，andthedual...
