基于循环卷积神经网络的目标检测与分类

• 作者: 叶雪娜 艾玲梅
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 物体检测 进退法 黄金分割算法 随机梯度算法 神经网络
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 31-35
• 页数: 5页
• 分类号: TP311
• 字数: 4836字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2018.02.008

摘要

卷积神经网络模仿人类的视觉识别能力,提取图像目标的显著抽象特征,在图像目标检测与分类的应用上效果良好.在当前比较流行的批量随机梯度训练算法训练卷积神经网络的过程中,当神经元处于饱和状态时,会出现梯度下降缓慢和过度拟合问题,易使神经网络模型训练陷入困难.结合卷积神经网络和循环神经网络的特点,提出了构造浅层循环卷积神经网络,且在训练循环卷积神经网络模型时,分别采用进退法、黄金分割法自适应地改变批量随机梯度下降算法的规范化参数和学习率.实验结果表明,改进算法能够较好地避免梯度下降缓慢和过拟合问题,在训练循环卷积神经网络模型时具有较好的目标检测分类效果和更快的收敛性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	艾玲梅	陕西师范大学计算机科学学院	30	201	8.0	13.0
2	叶雪娜	陕西师范大学计算机科学学院	2	10	2.0	2.0