一种卷积神经网络的图像矩正则化策略

• 作者: 李绍滋 殷瑞 苏松志
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 中心矩 随机选择 池化 卷积神经网络 过抑合
• 年，卷（期）: 2016,（1）
• 页码范围: 43-48
• 页数: 6页
• 分类号: TP391.4
• 字数: 4231字
• 语种: 中文
• DOI: 10.11992/tis.201509018

摘要

卷积神经网络的池化策略包含极大池化和平均池化，极大池化选择池化区域中的最大值，极易出现过抑合现象；平均池化对池化区域中所有元素赋予相同权重，降低了高频分量的权重。本文提出将矩池化作为卷积神经网络的正则化策略，矩池化将几何矩概念引入到卷积神经网络的池化过程中，首先计算池化区域的中心矩，然后根据类插值法依概率随机地从中心矩的4个邻域中选择响应值。在数据集MNIST、CIFAR10、CIFAR100上的实验结果表明随着训练迭代次数的增加，矩池化的训练误差和测试误差最低，矩池化的高差别性和强鲁棒性使其获得了比极大池化和平均池化更好的泛化能力。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李绍滋	厦门大学信息科学与技术学院	87	1292	20.0	34.0
5	苏松志	厦门大学信息科学与技术学院	16	466	8.0	16.0
9	殷瑞	厦门大学信息科学与技术学院	1	16	1.0	1.0