基于线性叠加特征和CNNs的图像分类方法

• 作者: 余萍 赵继生
• 来源期刊: 微电子学与计算机
• 关键词: 深度学习 卷积神经网络 反向传播算法 线性叠加 图像快速分类
• 年，卷（期）: 2015,（10）
• 页码范围: 36-40
• 页数: 5页
• 分类号: TP391
• 语种: 中文

摘要

针对现有卷积神经网络（CNNs）训练时间长的问题，基于CNNs具有很强的空间信息特性，提出一种将图像线性叠加（LS ）特征作为卷积神经网络输入的图像分类方法，重点研究了以原始图像特征作为输入和以LS特征作为输入的CNNs输出层的损失函数对权重的偏导数之间的关系，分析了连接权重的更新机理。在MNIST手写字体数据集上进行图像分类实验，试验结果表明，以LS特征作为CNNs输入的学习方法在保证识别率的基础上，可以显著减少模型的训练时间，而且无需复杂的工程技巧，LS特征在图像分类上是可行的。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	余萍	华北电力大学电子与通信工程系	51	305	10.0	14.0
2	赵继生	华北电力大学电子与通信工程系	4	30	3.0	4.0