一种融合AutoEncoder与CNN的混合算法用于图像特征提取

• 作者: 刘兴旺 徐科 王江晴
• 来源期刊: 计算机应用研究
• 关键词: 深度学习 卷积神经网络 自动编码器 滤波 稀疏控制
• 年，卷（期）: 2017,（12）
• 所属期刊栏目: 图形图像技术
• 页码范围: 3839-3842,3847
• 页数: 5页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2017.12.072

摘要

深度学习方法在图像的特征提取方面具有优势.针对传统特征提取方法需要先验知识的不足,提出一种自动编码器(AutoEncoder)与卷积神经网络(convolutional neural network,CNN)相结合的深度学习特征提取方法.该方法给AutoEncoder加入快速稀疏性控制,据此对图像训练出基本构件,并初始化CNN的卷积核;同时,给CNN加入了滤波机制,使输出特征保持稀疏性.实验结果表明,在Minist手写数字库和Yale人脸库的识别效果上,提出的特征提取方法均取得了较好的结果,实验进一步通过交叉验证T检验指出,引入滤波机制的特征提取模型优于没有采用滤波机制的模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王江晴	中南民族大学计算机科学学院	89	680	13.0	21.0
2	刘兴旺	中南民族大学计算机科学学院	5	27	2.0	5.0
3	徐科	中南民族大学计算机科学学院	17	82	5.0	8.0