改进的深度卷积网络及在碎纸片拼接中的应用

• 作者: 段宝彬 韩立新
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 卷积神经网络 k-均值聚类 碎纸片拼接 卷积自动编码器 深度学习
• 年，卷（期）: 2014,（9）
• 所属期刊栏目: 信号处理
• 页码范围: 176-181,270
• 页数: 7页
• 分类号: TP301
• 字数: 5150字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1312-0134

摘要

近年来，深度卷积网络在图像识别、语音识别和自然语言处理等领域广泛使用，取得了很好的效果。为解决全部样本均为无标签数据的分类问题，对深度卷积神经网络进行了改进，采用卷积自动编码器学习输入样本的特征，用k-均值聚类器代替深度卷积网络中的分类器，建立了改进的深度卷积网络结构，给出了相应的学习算法，将其用于解决碎纸片拼接问题。实验表明，该方法有效可行，提高了碎纸片拼接的准确性和鲁棒性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	段宝彬	合肥学院数学与物理系	26	92	5.0	8.0
3	韩立新	河海大学计算机与信息学院	47	272	9.0	15.0