基于改进的卷积神经网络的图像分类性能

• 作者: 常祥 杨明
• 来源期刊: 重庆理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 卷积神经网络 图像分类技术 卷积层 池化层
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 信息·计算机
• 页码范围: 110-115
• 页数: 6页
• 分类号: TP391|O175.1
• 字数: 2672字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-8425(z).2017.03.016

摘要

将改进的卷积神经网络应用到图片目标识别中.为了提高分类预测准确度,对传统卷积神经网络结构进行了改进,其具体结构为:卷积层C1-池化层S1-卷积层C2-池化层S2-卷积层C3-池化层S3-全连接层FC-输出,主要增加了卷积层和池化层层数,且在卷积滤波器规格选择上统一选择了5×5.最后用这一网络结构模型和其他模型(ReNet、APAC、PACNet)对CIFAR-10数据库进行试验对比,通过最终的预测准确度可以看出:改进后的卷积神经网络的精度达90.37％,高于其他3种模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨明	中北大学理学院	38	158	8.0	10.0
2	常祥	中北大学信息探测与处理山西省重点实验室	1	14	1.0	1.0