基于卷积神经网络的正则化方法

被引：70

作者：

吕国豪

罗四维

黄雅平

蒋欣兰

机构：

[1] 北京交通大学交通数据分析与挖掘北京市重点实验室

来源：

计算机研究与发展 | 2014年 / 51卷 / 09期

基金：

北京市自然科学基金;

关键词：

L1范数约束; L2范数约束; 正则化方法; 卷积神经网络; 图像复原;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

正则化方法是逆问题求解中经常使用的方法.准确的正则化模型在逆问题求解中具有重要作用.对于不同类型的图像和图像的不同区域,正则化方法的能量约束形式应当不同,但传统的L1,L2正则化方法均基于单一先验假设,对所有图像使用同一能量约束形式.针对传统正则化模型中单一先验假设的缺陷,提出了基于卷积神经网络的正则化方法,并将其应用于图像复原问题.该方法的创新之处在于将图像复原看作一个分类问题,利用卷积神经网络对图像子块的特征进行提取和分类,然后针对不同特征区域采用不同的先验形式进行正则化约束,使正则化方法不再局限于单一的先验假设.实验表明基于卷积神经网络的正则化方法的图像复原结果优于传统的单一先验假设模型.

引用

页码：1891 / 1900

页数：10