利用自适应假近邻方法优化卷积神经网络的图像目标分类算法

• 作者: 李志浩 苑毅 阮文惠 黄珍
• 来源期刊: 计算机应用研究
• 关键词: 卷积神经网络 假近邻 目标分类 矩池化 稀疏滤波
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 图形图像技术
• 页码范围: 3137-3141
• 页数: 5页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.05.0339

摘要

为了能够在处理不同的数据类型或任务时得到良好的结果,设计了基于自适应假近邻方法的卷积神经网络(CNN)架构.将中心矩的思想应用在CNN的池化操作中,利用稀疏滤波算法实现训练过程的无监督化,并设置CNN算法的卷积掩模(卷积核)的大小和每层卷积单位(CNN神经元)的数量;此外,该架构还利用自适应假近邻方法实现了简化建模和预测等任务.实验结果证实,提出的改进CNN架构的复杂度较低,它可以更快地接受训练并且不易产生过度拟合.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	阮文惠	兰州文理学院数字媒体学院	18	51	4.0	5.0
2	黄珍	兰州文理学院数字媒体学院	22	28	3.0	4.0
3	苑毅	兰州文理学院传媒工程学院	10	7	1.0	2.0
4	李志浩	兰州大学信息科学与工程学院	2	0	0.0	0.0