基于深度特征学习的图像自适应目标识别算法

• 作者: 刘爱媛 张骞予 强彦 管姝 谢红薇
• 来源期刊: 太原理工大学学报
• 关键词: 深度学习 卷积神经网络 自适应 图像识别 算法
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 信息与计算机科学
• 页码范围: 592-598
• 页数: 7页
• 分类号: TP311.5
• 语种: 中文
• DOI: 10.16355/j.cnki.issn1007-9432tyut.2018.04.012

摘要

针对传统图像识别算法过程繁琐、特征提取困难等问题,提出一种基于深度特征学习的图像自适应目标识别算法.首先对每层网络单个特征图的输入进行批量归一化(BN)处理,其次采用参数化线性修正单元PReLU对参数进行自适应调节,比较BN算法作用在激活函数前后输出的表现性能,构建自适应卷积神经网络模型CNN-BN-PReLU.实验从网络层数、卷积核数目、网络优化及经典卷积神经网络模型4个方面进行比较分析,结果表明,在DDSM数据集上,CNN-BN-PReLU较优化前准确率提高了8.5％,训练时间大幅减少71.83％,其敏感度、特异度及AUC值均有显著提升,分别达到了96％,87％和0.91,识别效果远高于LeNet-5和AlexNet,具有较好的应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢红薇	太原理工大学计算机科学与技术学院	72	532	11.0	19.0
2	强彦	太原理工大学计算机科学与技术学院	88	402	11.0	16.0
3	管姝	太原理工大学计算机科学与技术学院	2	19	2.0	2.0
4	张骞予	太原理工大学计算机科学与技术学院	2	19	2.0	2.0
5	刘爱媛		5	17	2.0	4.0