基于局部调节卷积神经网络的图像识别方法

• 作者: 吴禄慎 常参参 王晓辉 陈华伟
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 深度学习 卷积神经网络 损失函数 局部调节 学习率 图像识别
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 图形图像处理
• 页码范围: 240-246
• 页数: 7页
• 分类号: TP391
• 字数: 5718字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0048480

摘要

卷积神经网络在应用于图像识别时,会出现参数调节速度慢、迭代次数多以及小样本数据分类效果较差的问题.为此,提出一种局部调节卷积神经网络的方法.通过调节需求的大小,将参数对应的神经元分为关键部分和非关键部分,采用动态学习率和局部关键点修正,实现参数快速调节.在mnist、ORL、CIFAR-10和LFW上的实验结果表明,与DAP、UCNN等算法相比,该方法局部调节卷积神经网络的参数更快,在图像识别中达到识别精度需要的时间更少,而且整体识别率较高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴禄慎	南昌大学机电工程学院	91	942	17.0	26.0
2	王晓辉	南昌大学机电工程学院	13	70	5.0	8.0
3	陈华伟	南昌大学机电工程学院	40	526	13.0	22.0
4	常参参	南昌大学机电工程学院	2	10	2.0	2.0