基于改进的卷积神经网络的图像分类性能

被引：7

作者：

常祥 ^{[1
]}

杨明 ^{[2
]}

机构：

[1] 中北大学信息探测与处理山西省重点实验室

[2] 中北大学理学院

来源：

重庆理工大学学报(自然科学) | 2017年 / 03期

关键词：

卷积神经网络; 图像分类技术; 卷积层; 池化层;

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：

080203 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

将改进的卷积神经网络应用到图片目标识别中。为了提高分类预测准确度,对传统卷积神经网络结构进行了改进,其具体结构为:卷积层C1—池化层S1—卷积层C2—池化层S2—卷积层C3—池化层S3—全连接层FC—输出,主要增加了卷积层和池化层层数,且在卷积滤波器规格选择上统一选择了5×5。最后用这一网络结构模型和其他模型(Re Net、APAC、PACNet)对CIFAR-10数据库进行试验对比,通过最终的预测准确度可以看出:改进后的卷积神经网络的精度达90.37%,高于其他3种模型。

引用

页码：110 / 115

页数：6

共 9 条

[1] 基于卷积神经网络的商品图像精细分类 [J].