随着卷积神经网络与移动互联设备的快速发展,大众对能应用在移动设备上,高效、轻型的卷积网络的需求日益增多。本文提出了一种新型的轻型卷积神经网络——LDNet。LDNet在传统的直线型、轻型卷积神经网络的基础上,通过改进主干网络的连接方式和增加模块之间的辅助信息来实现网络性能的优化。相对于传统的卷积神经网络,LDNet具有轻型、实时、开销小的优点。LDNet以传统轻型卷积神经网络结构为基础,对局部模块和主干网络部分做了相应的结构调整,突出了特征图的有效信息,得到了质量更高的图像语义。其中主要的改进是:(1)通过在基础主干网络中的每个模块中添加了感知机制,来达到强化主要特征图语义信息,弱化次要语义信息并且屏蔽噪音的目的。感知机制模块分别从通道感知和空间感知两个维度出发,使获得的特征图的语义质量得到极大的提升。(2)主干网络采用了新的混合连接结构。通过这种新的连接方式,LDNet的主干网络各层级之间的特征语义可以互相弥补,最终可以获得语义更加丰富的高质量的特征图。通过以上两种主要的改进方式和其他一些局部的优化,LDNet网络在增加很少的参数的前提下,使模型的识别精度得到显著地提高。TensorFlow框架下对LDNet进行的实验表明,在数据集为Cifar-10和Cifar-100数据集的前提下,加入了感知机制和主干网络混合连接的LDNet要比MobileNet和ShuffleNet等主流的轻型神经网络的运行效率更高,并且在识别精度方面有着更好的表现。