基于Gabor核的卷积神经网络改进算法及应用

• 作者: 周豪腾 杨景明 杨波 王亚超 魏立新
• 来源期刊: 燕山大学学报
• 学科: 工学
• 关键词: 卷积神经网络 Gabor卷积核 Relu函数 特征提取 识别分类
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 信息与计算机技术
• 页码范围: 427-433
• 页数: 7页
• 分类号: TP391
• 字数: 3865字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-791X.2018.05.008

摘要

针对LeNet-5网络模型识别分类准确度问题,提出一种基于深度Gabor卷积神经网络的识别分类方法.在LeNet-5模型的基础上,引入了Gabor层,使用Gabor核作为提取图像特征的卷积核,Gabor卷积核从图像频域的不同尺度、不同方向上提取更多特征.为了避免网络训练中的梯度消失问题,使用Relu函数作为网络中的激活函数.将改进后的模型在MNIST手写体数据集上进行试验,识别正确率达到99.34％.与支持向量机和卷积神经网络等分类方法作比较,结果表明,改进后的深度Gabor卷积神经网络的具有更高的识别性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨景明	燕山大学电气工程学院	105	610	14.0	18.0
2	魏立新	燕山大学电气工程学院	48	282	9.0	14.0
3	杨波	燕山大学电气工程学院	14	28	3.0	4.0
4	王亚超	燕山大学电气工程学院	10	102	6.0	10.0
5	周豪腾	燕山大学电气工程学院	2	1	1.0	1.0