基于可变形卷积神经网络的图像分类研究

• 作者: 欧阳针 陈玮
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 卷积神经网络 图像分类 空间变换 可变形卷积
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 图像学与辅助设计
• 页码范围: 198-201
• 页数: 4页
• 分类号: TP317.4
• 字数: 2733字
• 语种: 中文
• DOI: 10.11907/rjdk.171863

摘要

卷积神经网络(Convolutional Neural Networks,CNNs)具有强大的特征自学习与抽象表达能力,在图像分类领域有着广泛应用.但是,各模块较为固定的几何结构完全限制了卷积神经网络对空间变换的建模,难以避免地受到数据空间多样性的影响.在卷积网络中引入自学习的空间变换结构,或是引入可变形的卷积,使卷积核形状可以发生变化,以适应不同的输入特征图,丰富了卷积网络的空间表达能力.对现有卷积神经网络进行了改进,结果表明其在公共图像库和自建图像库上都表现出了更好的分类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈玮	上海理工大学光电信息与计算机工程学院	55	341	10.0	16.0
2	欧阳针	上海理工大学光电信息与计算机工程学院	1	4	1.0	1.0