联合中间层的深度卷积神经网络模型

• 作者: 姜烽 张丽民 朱友帅 江亚峰 袁明新
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 图像分类 图像识别 卷积神经网络 深度连接 中间层
• 年，卷（期）: 2018,（20）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 139-144
• 页数: 6页
• 分类号: TP391.41
• 字数: 5083字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1707-0012

摘要

针对当前卷积神经网络(Convolutional Neural Networks,CNN)模型通常将网络最后一层的输出作为特征表示,未能充分利用网络中间层的不足,提出了一种联合中间层的CNN模型(Intermediate Layers Connected-CNN,ILC-CNN).该模型以AlexNet为基础,首先联合前、中、末端卷积层,通过深度连接方式连接;接着通过池化层、全连接层等操作得到描述图像的特征向量;通过辅助分类器训练方式保证了中间层特征的有效性,使模型得以成功训练.测试结果表明,该模型在图像分类与识别任务中效果显著,其提取的特征更具辨识度,具有比其他模型更高的识别精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姜烽	江苏科技大学机械工程学院	6	10	2.0	3.0
2	朱友帅	江苏科技大学机械工程学院	2	6	1.0	2.0