基于He-Net的卷积神经网络算法的图像分类研究

• 作者: 李孝杰 王强 陈俊
• 来源期刊: 成都信息工程大学学报
• 学科: 工学
• 关键词: 人工智能 深度学习 Caffe框架 卷积神经网络 图像分类 激活函数
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 电子信息科学与技术
• 页码范围: 503-507
• 页数: 5页
• 分类号: TP301.6
• 字数: 2997字
• 语种: 中文
• DOI: 10.16836/j.cnki.jcuit.2017.05.007

摘要

基于Caffe深度学习框架和首层卷积层取反操作,提出了He-Net网络模型解决图像分类问题.该模型主要由3个卷积层和最大池化层及3个完全连接层组成,首层采用卷积层取反以增加有效特征信息的传递,卷积层采用较小的卷积核提取更多的纹理特征,最后采用Softmax分类器实现图像分类.为了使训练更快速,采用更加高效的GPU运算实现卷积操作.针对相同数据集,同经典的网络模型CaffeNet、AlexNet实验比较,He-Net网络模型具有更高的分类正确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈俊	成都信息工程大学计算机学院	31	166	8.0	12.0
2	王强	成都信息工程大学计算机学院	5	21	3.0	4.0
3	李孝杰	成都信息工程大学计算机学院	7	19	3.0	4.0