一种多尺度嵌套卷积神经网络模型
发布时间:2017-08-03 03:08
本文关键词:一种多尺度嵌套卷积神经网络模型
更多相关文章: 卷积神经网络 尺度不变 Maxout 深度学习
【摘要】:卷积神经网络模型要求训练图像与测试图像在空间尺度上一致.为弱化这一限制,对卷积层特征提取器进行多尺度改进,提出了一种尺度不变卷积神经网络模型,以自动适应输入图像在平面空间上的尺度变化.同时,将多层Maxout网络嵌入新模型中,以进一步提高特征提取能力,提高图像识别与分类的准确性.实验测试结果表明,该模型提高了传统卷积神经网络模型的尺度不变性和分类精度.
【作者单位】: 北京邮电大学信息与通信工程学院;北京邮电大学可信分布式计算与服务教育部重点实验室;
【关键词】: 卷积神经网络 尺度不变 Maxout 深度学习
【基金】:国家自然科学基金项目(61143008,61471066) 国家高技术研究发展计划(863计划)项目(2011AA01A204)
【分类号】:TP391.41;TP183
【正文快照】: 近年来,以卷积神经网络(CNN,convolutionalneural network)模型为代表的深度学习算法和模型在计算机视觉领域取得了引人注目的进展.对于传统CNN模型,其在同一个卷积层中所使用的所有卷积核都具有相同的空间尺度.如果使用某一尺度的训练集来训练这个模型,得到的特征提取器将仅
【相似文献】
中国期刊全文数据库 前10条
1 黄秉宪;;随意运动控制与学习的多级神经网络模型[J];国外医学.生物医学工程分册;1988年02期
2 周常河,刘立人,王文江;高阶神经网络模型的一种光学实现结构[J];量子电子学;1992年01期
3 潘中良,陈光,
本文编号:612367
本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/612367.html