基于卷积神经网络的多标签飞机识别算法

• 作者: 孙振华 李新德
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 卷积神经网络 多标签 飞机识别 深度学习
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 算法
• 页码范围: 270-274
• 页数: 5页
• 分类号: TP3
• 字数: 3807字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2018.09.048

摘要

针对标签间具有包含关系的多标签飞机识别问题,为了充分利用标签之间的相关性,解决传统方法识别准确度低和效率慢的问题,提出一种基于卷积神经网络改进的多标签网络结构——多标签卷积神经网络MLCNN(Multi-label Convolutional Neural Network).该网络利用标签之间的包含关系,依次在卷积神经网络的不同深度分别设置各个标签的分类器,利用多个分类器同时进行误差反向传播,监督训练相应各层的网络权值参数.实验结果表明,采用特征提取层数渐减的策略可以使MLCNN的识别效果显著提升,既解决了网络层数过深导致的梯度弥散问题,也避免了单独多次训练CNN带来的弊端.采用最优结构的MLCNN在全部标签上的测试结果均优于单个标签CNN网络和SIFT+ SVM经典方法.相比于每个标签单独的CNN网络,其测试识别率分别提升了1.78％、5.13％和7.54％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李新德	东南大学自动化学院	35	350	12.0	16.0
2	孙振华	东南大学自动化学院	3	10	2.0	3.0