基于DenseNet进化的卷积神经网络图像分类算法

• 作者: 马永杰 刘培培
• 来源期刊: 激光与光电子学进展
• 关键词: 图像处理 卷积神经网络 进化算法 图像分类
• 年，卷（期）: 2020,（24）
• 所属期刊栏目: 图像处理|Image Processing
• 页码范围: 42-49
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3788/LOP57.241001

摘要

卷积神经网络(CNN)的结构与参数决定了其在图像分类中的性能,针对深度网络结构复杂、参数量较大的问题,提出了一种基于稠密连接网络进化的CNN(D-ECNN)图像分类算法.该算法可对网络结构空间进行有效搜索,并基于有限的计算资源对深度网络结构与参数进行自适应优化.在车辆数据集上的分类实验结果表明,本算法的准确率可达到95％,相比视觉几何组(VGG16)算法,提升了约1％,且本算法的模型文件较小、速度更快.