一种改进Octave神经网络的图像识别模型

• 作者: 何海洋 路玉 乔保军
• 来源期刊: 河南大学学报（自然科学版）
• 关键词: 卷积神经网络 卷积核 图像识别
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 自动化基础理论与信息技术
• 页码范围: 700-706
• 页数: 7页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.15991/j.cnki.411100.2020.06.008

摘要

为提高卷积神经网络(CNN)模型在图像识别任务中的精度,提出了一种改进Octave神经网络模型——OCM(Octave Convention Multilayer Perceptron)模型.基于Octave卷积层构建高频卷积核和低频卷积核;在高频卷积核中间加入一个MLP(Multilayer Perceptron,多层感知机)来增强高频特征对图片细节的表达;联合高频卷积核和低频卷积核的输入特征图形成了新的特征图,进一步提升模型的表征能力.在图像识别数据集(CIFAR-10和CI-FAR-100)上的实验结果表明,所提算法在CIFAR-10和CIFAR-100上的测试集准确率与ResNet、Octave_CNN、Width-MixedNet、X-CNN算法相比,图像识别的精度提高了0.15％～19.12％,验证了本文算法的有效性.