结合批归一化的直通卷积神经网络图像分类算法

• 作者: 吴仁彪 屈景怡 朱威
• 来源期刊: 计算机辅助设计与图形学学报
• 学科: 工学
• 关键词: 图像分类 深度学习 直通卷积神经网络 批归一化 梯度消失
• 年，卷（期）: 2017,（9）
• 所属期刊栏目: 图像与视觉
• 页码范围: 1650-1657
• 页数: 8页
• 分类号: TP391.41
• 字数: 5998字
• 语种: 中文

摘要

为解决深度卷积神经网络由于梯度消失而导致训练困难的问题,提出一种基于批归一化的直通卷积神经网络算法.首先对网络所有卷积层的激活值进行批归一化处理,然后利用可学习的重构参数对归一化后的数据进行还原,最后对重构参数进行训练.在CIFAR-10,CIFAR-100和MNIST这3个标准图像数据集上进行实验的结果表明,文中算法分别取得了94.53％,73.40％和99.74％的分类准确率,明显优于其他深度神经网络算法;该算法能够有效地克服传统卷积神经网络中梯度消失的问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴仁彪	中国民航大学天津市智能信号与图像处理重点实验室	195	1158	14.0	22.0
2	屈景怡	中国民航大学天津市智能信号与图像处理重点实验室	23	101	5.0	8.0
3	朱威	中国民航大学天津市智能信号与图像处理重点实验室	2	21	2.0	2.0