基于增量式深度神经网络的图像分类系统

• 作者: 王元庆 王冉 胡晶晶 詹伶俐
• 来源期刊: 电子器件
• 学科: 工学
• 关键词: 计算机视觉 增量学习 深度神经网络 聚类 Caltech-101
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 电子电路设计分析及应用
• 页码范围: 72-78
• 页数: 7页
• 分类号: G06K9/66|TN919.82
• 字数: 4986字
• 语种: 中文
• DOI: 10.3969/j.issn.1005-9490.2018.01.014

摘要

为解决图像分类任务中模型结构固化、产生巨大内存消耗、时间消耗的问题,提出一种增量式深度神经网络(IDNN).输入样本通过聚类算法激活不同簇并被分别处理:如果新样本激活已有簇,则更新该簇参数;否则为新簇开辟分支,并训练独立特征集.在Caltech-101、ORL Face、ETH-80数据库的验证结果表明,该系统能自动调整网络结构,适用于轮廓、纹理、视角等不同环境的增量式学习,例如在Caltech-101库分类任务中准确率超出VGGNet 5.08%、AlexNet 3.44%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王元庆	南京大学电子科学与工程学院	104	1040	17.0	27.0
2	胡晶晶	南京大学电子科学与工程学院	1	0	0.0	0.0
3	王冉	纽约大学坦登工程学院	1	0	0.0	0.0
4	詹伶俐	南京大学电子科学与工程学院	1	0	0.0	0.0