基于跨连卷积神经网络的性别分类模型

• 作者: 张亚红 张婷 李玉鑑 胡海鹤
• 来源期刊: 自动化学报
• 关键词: 性别分类 卷积神经网络 跨连卷积神经网络 跨层连接
• 年，卷（期）: 2016,（6）
• 页码范围: 858-865
• 页数: 8页
• 字数: 5937字
• 语种: 中文
• DOI: 10.16383/j.aas.2016.c150658

摘要

为提高性别分类准确率,在传统卷积神经网络(Convolutional neural network, CNN)的基础上,提出一个跨连卷积神经网络(Cross-connected CNN, CCNN)模型。该模型是一个9层的网络结构,包含输入层、6个由卷积层和池化层交错构成的隐含层、全连接层和输出层,其中允许第2个池化层跨过两个层直接与全连接层相连接。在10个人脸数据集上的性别分类实验结果表明,跨连卷积网络的准确率均不低于传统卷积网络。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张亚红	北京工业大学计算机学院	7	56	4.0	7.0
2	李玉鑑	北京工业大学计算机学院	57	357	10.0	17.0
3	张婷	北京工业大学计算机学院	9	80	6.0	8.0
4	胡海鹤	北京工业大学计算机学院	4	56	4.0	4.0