面向大规模图像分类的深度卷积神经网络优化

• 作者: 潘翔 白琮 陈佳楠 陈胜勇 黄玲
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 图像分类 哈希编码 深度卷积神经网络 激活函数 池化
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 多媒体大数据处理与分析专题
• 页码范围: 1029-1038
• 页数: 10页
• 分类号: TP391
• 字数: 7798字
• 语种: 中文
• DOI: 10.13328/j.cnki.jos.005404

摘要

在图像分类任务中,为了获得更高的分类精度,需要对图像提取不同层次的特征信息.深度学习被越来越多地应用于大规模图像分类任务中提出了一种基于深度卷积神经网络的、可应用于大规模图像分类的深度学习框架.该框架在经典的深度卷积神经网络AlexNet基础上,分别从网络框架和网络内部结构两个方面对网络进行了优化和改进,进一步提升了网络的特征表达能力.同时,通过在全连接层引入隐层,使得网络能够同时具备学习图像特征和二值哈希的功能,从而使该框架具有处理大规模图像数据的能力.通过在3个标准数据库中的一系列比对实验,分析了不同优化方法在不同情况下的作用,并证明了所提优化方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	潘翔	浙江工业大学计算机科学与技术学院	44	316	9.0	16.0
2	陈胜勇	浙江工业大学计算机科学与技术学院	38	254	8.0	14.0
3	白琮	浙江工业大学计算机科学与技术学院	5	48	3.0	5.0
4	黄玲	浙江工业大学计算机科学与技术学院	1	41	1.0	1.0
5	陈佳楠	浙江工业大学计算机科学与技术学院	1	41	1.0	1.0