基于衰减因子的双通道神经网络图像分类算法

• 作者: 吴仁彪 屈景怡 朱威
• 来源期刊: 系统工程与电子技术
• 学科: 工学
• 关键词: 图像分类 深度学习 卷积神经网络 双通道神经网络 卷积衰减因子
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 软件、算法与仿真
• 页码范围: 1391-1399
• 页数: 9页
• 分类号: TP391.41
• 字数: 8057字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-506X.2017.06.30

摘要

为解决深度卷积神经网络(convolutional neural networks, CNN)难以训练的问题,提出一种快速、高效的双通道神经网络(dual-channel neural networks, DCNN),该神经网络由直通通道和卷积通道两种通道构成,直通通道负责保障深度网络的畅通性,卷积通道负责深度网络的学习.考虑到深层网络在训练时容易出现性能不稳定的问题,在卷积通道上引入卷积衰减因子,对其响应数据进行约束.设计一种"双池化层"对同一特征图进行降采样,不仅可以防止训练过拟合,还能保证各通道的维度一致性.在3个图像数据集CIFAR-10、CIFAR-100和MNIST上的实验结果表明,无论是神经网络的可训练深度、稳定性和分类精度,DCNN都明显优于现有的深度卷积神经网络.

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