增强层次的卷积神经网络模型研究

• 作者: 史天予 孙家民 袁德鹏
• 来源期刊: 数字技术与应用
• 学科: 工学
• 关键词: 侧抑制机制 目标识别 Caltech-101 卷积神经网络
• 年，卷（期）: 2016,（9）
• 所属期刊栏目: 应用研究
• 页码范围: 70-70
• 页数: 1页
• 分类号: TP391.14
• 字数: 815字
• 语种: 中文

摘要

受生物视觉信息处理机制启发的目标识别是计算机视觉领域研究的热点之一，主要思想是对大脑视觉皮层中视觉信息的层次性处理过程进行模拟来实现目标识别。本文以具备稀疏连接思想和自我学习机制的卷积神经网络为框架，融入分层和仿生的思想，提出增强层次的CNN模型。实验结果表明该模型的目标识别准确率高达88%。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙家民	沈阳理工大学信息科学与工程学院	3	6	1.0	2.0
2	史天予	沈阳理工大学信息科学与工程学院	4	10	2.0	3.0
3	袁德鹏	东北大学计算机科学与工程学院	3	10	2.0	3.0