基于梯度的多输入卷积神经网络

被引：11

作者：

费建超 ^{[1
]}

芮挺 ^{[1
]}

周遊 ^{[2
]}

方虎生 ^{[1
]}

朱会杰 ^{[1
]}

机构：

[1] 解放军理工大学野战工程学院

[2] 江苏经贸职业技术学院

来源：

光电工程 | 2015年 / 42卷 / 03期

关键词：

深度学习; 卷积神经网络; 多输入; 梯度;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

摘要：

深度学习已成为目前机器学习领域的研究热点,卷积神经网络是深度学习的重要组成。以卷积神经网络为基础,结合自动编码提取特征中的边缘特性,采用多方向梯度信息作为边缘信息的基本表达,并以此作为卷积神经网络的多源输入数据,提出了一种具有多个输入层的卷积神经网络结构。以手写字符识别和行人检测为例,通过实验表明,梯度信息多输入网络与经典卷积神经网络相比,具有更高的识别率,且在训练次数少的情况下优势更为明显,同时也证明在适度预处理的条件下多输入卷积神经网络能够获得更好的效果。

引用

页码：33 / 38

页数：6