基于CNNs的两次训练融合的分类方法

• 作者: 佟国香 田飞翔
• 来源期刊: 电子科技大学学报
• 学科: 工学
• 关键词: 卷积神经网络 图像增强 图像分类 参数估计
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 计算机工程与应用
• 页码范围: 774-778
• 页数: 5页
• 分类号: TP183
• 字数: 3564字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-0548.2019.05.018

摘要

该文基于卷积神经网络(CNNs)模型,提出一种模型融合的图像分类方法,将原图像经过图像增强和数据标准化后获得的数据作为原始数据,将原始数据取反后作为映射数据,分别使用原始数据和映射数据训练CNNs模型,通过融合训练后的两组CNNs模型获得改进的CNNs模型.通过假设、验证、理论推导步骤证明了该方法在简单模型上的有效性,进而推广到更复杂的卷积神经网络模型.实验结果表明,改进的CNNs模型与原始CNNs模型分类精度对比,在CIFAR-10和CIFAR-100数据集上分别提升了1％和3％,有效提升了模型的分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	佟国香	上海理工大学光电信息与计算机工程学院	34	112	6.0	9.0
2	田飞翔	上海理工大学光电信息与计算机工程学院	1	0	0.0	0.0