改进卷积玻尔兹曼机的图像特征深度提取

被引：26

作者：

刘凯 ^{[1
]}

张立民 ^{[2
]}

范晓磊 ^{[3
]}

机构：

[1] 海军航空工程学院基础实验部

[2] 海军航空工程学院信息融合研究所

[3] 第二炮兵工程大学士官职业技术教育学院

来源：

哈尔滨工业大学学报 | 2016年 / 48卷 / 05期

关键词：

深度学习; 图像特征提取; 卷积受限玻尔兹曼机; 卷积深度玻尔兹曼机;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

摘要：

针对卷积深度和信念网络存在计算复杂度高和训练缓慢的问题,提出卷积深度玻尔兹曼机用于图像特征提取.针对卷积受限玻尔兹曼机进行改进,提出最大化图像中间区域概率的训练目标函数,并引入性能较好的交叉熵稀疏惩罚因子和dropout训练方法.设计卷积深度玻尔兹曼机结构,提出均值聚合机制,将聚合层内点的值定义为block中各点激活概率均值,对层间关联进行简化,将聚合层内各面直接叠加以供高层CRBM提取特征.通过在MNIST手写数字识别集上的实验结果证明,采用新模型提取的图像特征分类准确率提高0.5%、训练时间减少50%,且达到了目前MNIST数据集的最佳水平.

引用

页码：155 / 159

页数：5