基于CNN的中国绘画图像分类

• 作者: 姚金良 杨冰 王小华 黄雪丽
• 来源期刊: 杭州电子科技大学学报（自然科学版）
• 关键词: SMOTE ReLu + Sigmoid 卷积神经网络 中国绘画图像分类
• 年，卷（期）: 2017,（2）
• 页码范围: 45-50
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.13954/j.cnki.hdu.2017.02.010

摘要

提出了一种基于卷积神经网络CNN的中国绘画图像分类方法.首先针对过拟合问题,提出了一种改进的合成少数类过采样技术SMOTE扩增数据,然后将扩增后的数据直接输入到CNN中,经过隐藏层的卷积和亚采样,并采用校正线性单元ReLu、S形生长曲线Sigmoid替代传统的Sigmoid激活函数,提取的数据能更好地表示其特征.实验结果表明,与传统分类方法相比,新提出的方法在中国绘画图像分类上具有良好的分类能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姚金良	杭州电子科技大学计算机学院	16	88	5.0	9.0
2	王小华	中国计量学院计算机学院	5	45	4.0	5.0
3	杨冰	杭州电子科技大学计算机学院	8	37	4.0	5.0
4	黄雪丽	杭州电子科技大学计算机学院	1	4	1.0	1.0