基于改进卷积神经网络的机动车图像分类算法

被引：3

作者：

王茜 ^{[1
,2
]}

陈一民 ^{[1
]}

丁友东 ^{[1
]}

机构：

[1] 上海大学计算机工程与科学学院

[2] 上海市公安局刑事侦查总队科技信息科

来源：

计算机应用与软件 | 2018年 / 35卷 / 07期

关键词：

机动车车型; 图像分类; 卷积神经网络; 难负样本挖掘; dropout;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算]; TP391.41 [];

学科分类号：

140502 [人工智能];

摘要：

针对大型数据库的精细化车型分类应用较少、预处理复杂,且识别率不高等情况,提出基于改进卷积神经网络的机动车图像分类算法。算法构建了较之Googlenet V3层级更为简单的神经网络模型;基于该CNN网络,增加了基于样本质心距离的正样本保留方案,在缓解样本不均衡的同时,通过巩固类内边界增强了数据可分性;在网络的全连接层采用了基于神经元重要性分值的dropout方法,在去除无效神经元的同时,提升网络的识别效果。实验结果表明,该算法能更为有效地提取图像特征,较之Googlenet V3算法收敛快,训练耗时短,识别率更高,解决实际问题的能力更强。

引用

页码：263 / 266+298 +298

页数：5