基于深度卷积神经网络的快速图像分类算法
本文选题:深度卷积神经网络 + CUDA-cuDNN方法 ; 参考:《计算机工程与应用》2017年13期
【摘要】:为了应对大量图像的分类问题,提出一种基于深度卷积神经网络和CUDA-cuDNN并行运算的快速图像分类方法。该方法利用深度卷积神经网络自动学习特征的优势来解决手工设计特征普适性差等问题,同时结合基于CUDA架构的cuDNN并行运算策略来提高训练速度和加快分类速度,并且针对深度卷积神经网络易受参数扰动等缺点,引入批量正则化(Batch Normalization)以提高算法的鲁棒性。实验结果表明,该方法不仅大幅缩短了训练时间同时加快了图像的分类速度,而且进一步降低了图像分类的错误率。
[Abstract]:In order to deal with the problem of image classification, a fast image classification method based on deep convolution neural network and CUDA-cuDNN parallel operation is proposed. This method utilizes the advantage of automatic learning feature of deep convolution neural network to solve the problem of poor universality of manual design features, and combines cuDNN parallel computing strategy based on CUDA architecture to improve training speed and speed up classification. In order to improve the robustness of the algorithm, batch regularization is introduced to improve the robustness of the algorithm. The experimental results show that the proposed method not only shortens the training time but also speeds up the image classification speed and further reduces the error rate of image classification.
【作者单位】: 华东理工大学信息科学与工程学院;上海师范大学信息与机电工程学院;
【基金】:国家自然科学基金(No.61071085) 上海市教育委员会创新项目(No.14ZZ121)
【分类号】:TP183;TP391.41
【参考文献】
相关期刊论文 前5条
1 黄凯奇;任伟强;谭铁牛;;图像物体分类与检测算法综述[J];计算机学报;2014年06期
2 刘建伟;刘媛;罗雄麟;;深度学习研究进展[J];计算机应用研究;2014年07期
3 郑胤;陈权崎;章毓晋;;深度学习及其在目标和行为识别中的新进展[J];中国图象图形学报;2014年02期
4 刘进锋;郭雷;;CPU与GPU上几种矩阵乘法的比较与分析[J];计算机工程与应用;2011年19期
5 刘绍波;刘明贵;张国华;;基于CUDA的加速MATLAB计算研究[J];计算机应用研究;2010年06期
【共引文献】
相关期刊论文 前10条
1 陶峥嵘;;基于机器学习的行人检测[J];电子技术;2017年06期
2 片兆宇;史天予;袁德鹏;胡玉兰;王栋;;分层视觉特征感知在目标识别中的应用[J];计算机辅助设计与图形学学报;2017年06期
3 吕静;高陈强;杜银和;程华;;基于双通道特征自适应融合的红外行为识别方法[J];重庆邮电大学学报(自然科学版);2017年03期
4 钟剑丹;雷涛;姚光乐;贾文武;;基于支持向量约简的快速目标检测[J];半导体光电;2017年03期
5 邓凝旖;沈志强;郭跃飞;;基于类别先验与深度神经网络特征的显著性检测[J];计算机工程;2017年06期
6 王丹丹;宋怀波;何东健;;苹果采摘机器人视觉系统研究进展[J];农业工程学报;2017年10期
7 任宇飞;李宇;黄海宁;;深度学习的主动声纳信号增强方法研究[J];网络新媒体技术;2017年03期
8 李可心;戚大伟;牟洪波;倪海明;;基于灰度共生矩阵与SOM神经网络的树皮纹理特征识别[J];森林工程;2017年03期
9 吴,
本文编号:2082953
本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2082953.html