一种多尺度嵌套卷积神经网络模型

• 作者: 孙松林 景晓军 连自锋 黄海
• 来源期刊: 北京邮电大学学报
• 学科: 工学
• 关键词: 卷积神经网络 尺度不变 Maxout 深度学习
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 论文
• 页码范围: 1-5,32
• 页数: 6页
• 分类号: TN911.22
• 字数: 3909字
• 语种: 中文
• DOI: 10.13190/j.jbupt.2016.05.001

摘要

卷积神经网络模型要求训练图像与测试图像在空间尺度上一致。为弱化这一限制，对卷积层特征提取器进行多尺度改进，提出了一种尺度不变卷积神经网络模型，以自动适应输入图像在平面空间上的尺度变化。同时，将多层Maxout网络嵌入新模型中，以进一步提高特征提取能力，提高图像识别与分类的准确性。实验测试结果表明，该模型提高了传统卷积神经网络模型的尺度不变性和分类精度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	景晓军	北京邮电大学信息与通信工程学院	41	770	11.0	27.0
5	孙松林	北京邮电大学信息与通信工程学院	26	106	6.0	9.0
9	黄海	北京邮电大学可信分布式计算与服务教育部重点实验室	17	97	6.0	9.0
10	连自锋	北京邮电大学信息与通信工程学院	2	16	2.0	2.0