基于卷积神经网络的图像分类研究

被引：18

作者：

葛程

孙国强

机构：

[1] 上海理工大学光电信息与计算机工程学院

来源：

软件导刊 | 2018年 / 17卷 / 10期

关键词：

图像分类; 卷积神经网络; 网络结构; 数据增强;

D O I：

暂无

中图分类号：

TP391.41 []; TP183 [人工神经网络与计算];

学科分类号：

140502 [人工智能];

摘要：

结合现有基于卷积神经网络的图像分类算法,以CIFAR-10作为数据集,探究如何快速搭建一个满足分类精度要求的卷积神经网络模型,以及如何有目的且高效地进行网络训练与参数调整。实验以简单的三层卷积神经网络为基础,从数据增强、网络结构与优化训练3个方面对模型进行改进。实验结果表明,通过叠加这些改进方法,可使模型的拟合能力与泛化能力逐渐增强,最终获得更高的图像分类准确率。

引用

页码：27 / 31

页数：5

共 5 条

[1]

卷积神经网络研究综述 [J].

周飞燕 ;

金林鹏 ;

董军 .

计算机学报, 2017, 40 (06) :1229-1251

[2]

深度卷积神经网络在计算机视觉中的应用研究综述 [J].

卢宏涛 ;

张秦川 .

数据采集与处理, 2016, 31 (01) :1-17

[3]

Dropout: a simple way to prevent neural networks from overfitting..[J].Nitish Srivastava;Geoffrey E. Hinton;Alex Krizhevsky;Ilya Sutskever;Ruslan Salakhutdinov.Journal of Machine Learning Research.2014, 1

[4]

Explaining brightness illusions using spatial filtering and local response normalization [J].

Robinson, Alan E. ;

Hammon, Paul S. ;

de Sa, Virginia R. .

VISION RESEARCH, 2007, 47 (12) :1631-1644

[5]

深度学习轻松学.[M].冯超.电子工业出版社.2017,

← 1 →