基于新型初始模块的卷积神经网络图像分类方法

TN391.41; 在涉及分类识别的问题中,首选方法是基于卷积神经网络的分类方法.为解决传统卷积神经网络处理能力较差、分类精度较低等问题,文中提出了一种新型的卷积神经网络图像分类模型.一方面在传统的网络模型基础上增加新型Inception模块,增强了模型的特征信息的融合,提高了特征表达的能力;另一方面通过激活函数、数据增强、批量正则化、权重初始优化以及Adadelta优化方法来改善模型的性能,提升分类准确率.通过基于新型初始模块的新型网络模型对CIFAR-10数据集上的数据进行试验,并与传统网络模型方法对比,证明改进模型能有效提升网络性能....

Full description

Saved in:
Bibliographic Details
Published in电子科技 Vol. 34; no. 2; pp. 52 - 56
Main Authors 朱斌, 刘子龙
Format Journal Article
LanguageChinese
Published 上海理工大学光电信息与计算机工程学院,上海200093 2021
Subjects
卷积神经网络
图像分类
权重初始化
数据增强
新型Inception模块
Adadelta优化方法
Online AccessGet full text

Cover

More Information
Summary:TN391.41; 在涉及分类识别的问题中,首选方法是基于卷积神经网络的分类方法.为解决传统卷积神经网络处理能力较差、分类精度较低等问题,文中提出了一种新型的卷积神经网络图像分类模型.一方面在传统的网络模型基础上增加新型Inception模块,增强了模型的特征信息的融合,提高了特征表达的能力;另一方面通过激活函数、数据增强、批量正则化、权重初始优化以及Adadelta优化方法来改善模型的性能,提升分类准确率.通过基于新型初始模块的新型网络模型对CIFAR-10数据集上的数据进行试验,并与传统网络模型方法对比,证明改进模型能有效提升网络性能.
ISSN:1007-7820
DOI:10.16180/j.cnki.issn1007-7820.2021.02.009