基于深度学习的油画分类网络模型

• 作者: 任夏荔 康春生 曹建收 陈光喜
• 来源期刊: 桂林电子科技大学学报
• 学科: 工学
• 关键词: 深度学习 分类 油画 网络结构模型 艺术领域
• 年，卷（期）: 2018,（1）
• 页码范围: 65-68
• 页数: 4页
• 分类号: TP399
• 字数: 2755字
• 语种: 中文

摘要

针对既有的深度学习网络结构模型在油画数据集上取得的分类结果较差的问题,提出了一种基于深度学习的油画分类网络模型.利用AlexNet网络抑制过拟合的Dropout算法和GoogleNet网络加深网络深度和宽度的Inception模块,构建一种层数和训练用时相对较少的网络模型.实验结果表明,新网络模型的油画分类准确率比AlexNet和GoogleNet高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈光喜	桂林电子科技大学广西高校图像图形智能处理重点实验室	82	455	12.0	16.0
2	任夏荔	桂林电子科技大学计算机与信息安全学院	4	26	2.0	4.0
3	康春生	桂林电子科技大学计算机与信息安全学院	2	2	1.0	1.0
4	曹建收	桂林电子科技大学计算机与信息安全学院	3	24	2.0	3.0