论文摘要
为了充分提取图像特征信息,同时减轻模型过拟合,提出了一种改进的多通道卷积神经网络模型。首先,利用三条卷积通道提取图像特征信息,各通道选择不同的卷积核大小,并利用小卷积核堆叠代替大卷积核的方法减少模型参数,再采用特征融合与批标准化技术对特征信息进行处理,最后输入到softmax分类器进行分类。将改进模型、单通道模型、多通道模型、传统图像分类模型用于对CIFAR-10数据集进行分类。实验结果表明,改进模型可以有效提取图像特征信息,减轻过拟合,进而提升模型的分类精度。
论文目录
文章来源
类型: 期刊论文
作者: 周衍挺
关键词: 卷积神经网络,多通道,图像分类,批标准化
来源: 佳木斯大学学报(自然科学版) 2019年06期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 计算机软件及计算机应用,自动化技术
单位: 安徽理工大学数学与大数据学院
基金: 国家自然科学基金(11601007)
分类号: TP391.41;TP183
页码: 1001-1005
总页数: 5
文件大小: 995K
下载量: 170