基于稀疏卷积核的卷积神经网络研究及其应用

• 作者: 刘向阳 叶会娟
• 来源期刊: 信息技术
• 学科: 工学
• 关键词: 深度学习 卷积神经网络 卷积核 稀疏约束 梯度算子
• 年，卷（期）: 2017,（10）
• 所属期刊栏目: 基金项目
• 页码范围: 5-9
• 页数: 5页
• 分类号: TP391.41
• 字数: 4180字
• 语种: 中文
• DOI: 10.13274/j.cnki.hdzj.2017.10.002

摘要

针对卷积神经网络训练图像数据时,其学习到的卷积核是杂乱无章,没有规则的,提出了基于稀疏卷积核的卷积神经网络算法.该方法通过对平方误差代价函数加入稀疏约束项,在反向传播中修正卷积核时,使其学习到的部分卷积核近似于一阶微分梯度算子,即学习到的卷积核中部分值是0或者趋于0,可更好地来提取图像边缘特征.通过对手语图像数据及车牌图像数据进行训练的实验结果显示,其学习到的部分卷积核具有近似一阶微分的模板形式;并且相对经典卷积神经网络,该算法的识别正确率有所提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘向阳	河海大学理学院	16	50	4.0	7.0
2	叶会娟	河海大学理学院	1	2	1.0	1.0