基于双流混合变换CNN特征的图像分类与识别

• 作者: 李金忠 汤鹏杰 谭云兰 谭彬
• 来源期刊: 井冈山大学学报（自然科学版）
• 学科: 工学
• 关键词: 图像分类 识别 双流混合 CNN
• 年，卷（期）: 2015,（5）
• 所属期刊栏目: 信息科学
• 页码范围: 53-59
• 页数: 7页
• 分类号: TP391.4
• 字数: 6302字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-8085.2015.05.011

摘要

具有表达能力及可辨别性更强的特征是图像分类与识别技术的关键。深度 CNN 特征经过多次中间非线性变换，特征鲁棒性更强，在图像分类与识别领域已取得重大进展。但传统的 CNN 模型只增加变换层次，下层变换依赖于上层输出结果，因此其中间特征冗余度较低，最终得到的特征向量信息丰富程度不够。本文提出一种基于双流混合变换的CNN模型——DTM-CNN 。该模型首先使用不同大小的感受野卷积核提取图像不同的中间特征，然后在多次深度变换时，对中间特征进行混合流动，经过多次混合变换，最终得到1024维的特征向量，并使用Softmax回归函数对其分类。实验结果表明，该模型经过多次卷积、池化及激活变换，提取的特征更加抽象、语义及结构信息更加丰富，对图像具有更强的表达能力及辨别性，因此图像分类及识别性能优越。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李金忠	井冈山大学电子与信息工程学院	47	284	8.0	15.0
2	谭云兰	井冈山大学电子与信息工程学院	37	243	9.0	13.0
3	汤鹏杰	井冈山大学数理学院	11	64	4.0	7.0
4	谭彬	井冈山大学电子与信息工程学院	18	32	4.0	4.0