基于图像特征的卷积核初始化方法

TP391; 针对当前卷积核初始化方法易导致网络不稳定及主成分分析算法对网络结构限制的问题,提出一种基于图像特征的卷积核初始化方法.该方法先结合模糊处理技术和边缘处理技术对图像进行采样,再将采样后的数据随机分组,使用主成分分析算法提取各组数据的主成分,初始化卷积核.将该方法应用于数据集Cifar-10和Corel-1000,并与Gauss初始化方法和He初始化方法进行对比测试,实验结果表明,该方法性能优于其他卷积核初始化方法....

Full description

Saved in:
Bibliographic Details
Published in吉林大学学报（理学版） Vol. 59; no. 3; pp. 587 - 594
Main Authors 李鹏松, 李俊达, 倪天宇, 张琦, 胡建平
Format Journal Article
LanguageChinese
Published 东北电力大学 理学院,吉林 吉林 132012 2021
Subjects
图像特征
主成分分析
深度学习
卷积核初始化
随机组合
Online AccessGet full text
ISSN1671-5489
DOI10.13413/j.cnki.jdxblxb.2020134

Cover

More Information
Summary:TP391; 针对当前卷积核初始化方法易导致网络不稳定及主成分分析算法对网络结构限制的问题,提出一种基于图像特征的卷积核初始化方法.该方法先结合模糊处理技术和边缘处理技术对图像进行采样,再将采样后的数据随机分组,使用主成分分析算法提取各组数据的主成分,初始化卷积核.将该方法应用于数据集Cifar-10和Corel-1000,并与Gauss初始化方法和He初始化方法进行对比测试,实验结果表明,该方法性能优于其他卷积核初始化方法.
ISSN:1671-5489
DOI:10.13413/j.cnki.jdxblxb.2020134