基于部分离散余弦变换的卷积神经网络设计与分析

离散余弦变换是常见的图像变换手段。通过重新理解DCT算法,可将其转化为全连接神经网络,用于提取图像的轮廓信息。设计基于DCT的卷积神经网络,用部分DCT取代完全DCT,提高图像轮廓提取的效率。该网络对比传统卷积神经网络具有复杂度低、网络深度浅、训练时间短、边缘计算快的优点。DCT核的尺寸影响模型精度和训练时间,通过仿真得出结论:尺寸越大,模型精度越高,训练时间越长;DCT核尺寸为图像尺寸的40%左右为较优。通过与经典卷积神经网络作对比,得出该网络的训练效率提升16倍,边缘计算效率提高20倍。