卷积神经网络在图像识别中的优化研究

• 作者: 吴国新 徐小力 花如祥
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 深度学习 卷积神经网络 图像识别 非线性激活函数
• 年，卷（期）: 2018,（24）
• 所属期刊栏目: 信息技术及图像处理
• 页码范围: 62-66
• 页数: 5页
• 分类号: TN919.81
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.1801885

摘要

近年来,在图像识别领域中卷积神经网络得到了广泛的应用,其网络结构和激活函数的选择会在很大程度上影响着图像识别的效率和效果.为了优化卷积神经网络在图像识别中的识别准确率,针对网络结构的选取,引入一种由较小卷积核构成的新的卷积神经网络结构.在激活函数的选择方面,结合Softplus函数对图像数据能够进行非线性修正的特点和ReLUs函数的稀疏表达能力,形成一种新非线性函数作为网络的激活函数.通过在MNIST标准数据库上进行实验,结果表明该算法不仅可以加快网络的收敛速度,而且可以有效的提高识别准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐小力		164	804	15.0	21.0
2	吴国新		76	337	10.0	15.0
3	花如祥		2	0	0.0	0.0