深度连续卷积神经网络模型构建与性能分析

• 作者: 张胜男 牛连强 王琪辉 陈向震
• 来源期刊: 沈阳工业大学学报
• 学科: 工学
• 关键词: 卷积神经网络 连续卷积 深度学习 网络结构 特征提取 参数优化 池化 图像识别
• 年，卷（期）: 2016,（6）
• 所属期刊栏目: 信息科学与工程
• 页码范围: 662-666
• 页数: 5页
• 分类号: TP183
• 字数: 4856字
• 语种: 中文
• DOI: 10.7688/j.issn.1000-1646.2016.06.12

摘要

为了提升卷积神经网络特征提取能力,设计了一种基于连续卷积的深度卷积神经网络模型.该模型采用小尺度的卷积核来更细致地提取局部特征,并借助连续的两个卷积层增加模型的非线性表达能力,结合Dropout技术降低神经元之间的相互依赖,利用抑制网络过拟合对模型进行优化.人脸表情、手写数字字符和彩色图像的目标识别实验表明,在图像较为复杂时,该模型在识别的准确性和泛化性能上比手工特征提取方法及一般的2、3层卷积结构具有明显的优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	牛连强	沈阳工业大学软件学院	69	318	11.0	15.0
2	张胜男	沈阳工业大学信息科学与工程学院	33	261	8.0	16.0
3	陈向震	沈阳工业大学信息科学与工程学院	1	28	1.0	1.0
4	王琪辉	沈阳工业大学信息科学与工程学院	1	28	1.0	1.0