采用融合卷积网的图像分类算法

计算机工程与科学

采用融合卷积网的图像分类算法

李聪，潘丽丽，陈蓉玉，周燕，邵伟志

（中南林业科技大学计算机与信息工程学院,湖南长沙 410000）

收稿日期:2019-07-03 修回日期:2019-09-10 出版日期:2019-12-25 发布日期:2019-12-25

LI Cong，PAN Li-li，CHEN Rong-yu，ZHOU Yan,SHAO Wei-zhi

（College of Computer Science and Information Technology,

Central South University of Forestry & Technology,Changsha 410000,China）

Received:2019-07-03 Revised:2019-09-10 Online:2019-12-25 Published:2019-12-25

摘要/Abstract

摘要：

目前，卷积神经网络已成为视觉对象识别的主流机器学习方法。有研究表明，网络层数越深，所提取的深度特征表征能力越强。然而，当数据集规模不足时，过深的网络往往容易过拟合，深度特征的分类性能将受到制约。因此，提出了一种新的卷积神经网络分类算法：并行融合网FD-Net。以网络融合的方式提高特征的表达能力，并行融合网首先组织2个相同的子网并行提取图像特征，然后使用精心设计的特征融合器将子网特征进行多尺度融合，提取出更丰富、更精确的融合特征用于分类。此外，
采用了随机失活和批量规范化等方法协助特征融合器去除冗余特征，并提出了相应的训练策略控制计算开销。最后，分别以经典的ResNet、InceptionV3、DenseNet和MobileNetV2作为基础模型，在UECFOOD-100和Caltech101等数据集上进行了深入的研究和评估。实验结果表明，并行融合网能在有限的训练样本上训练出识别能力更强的分类模型，有效提高图像的分类准确率。

关键词: 深度学习, 图像分类, 卷积神经网络, 特征融合

Key words: deep learning, image classification, deep convolutional neural network；feature fusion

中图分类号:

null

李聪，潘丽丽，陈蓉玉，周燕，邵伟志. 采用融合卷积网的图像分类算法[J]. 计算机工程与科学.

LI Cong，PAN Li-li，CHEN Rong-yu，ZHOU Yan,SHAO Wei-zhi. null[J]. Computer Engineering & Science.

[1]	吴玉虹, 王建. 基于Patches-CNN的模拟电路故障诊断[J]. 计算机工程与科学, 2025, 47(01): 35-44.
[2]	徐超, 阮荣耀, 陈勇, . 一种基于区块链的医疗数据审计方法[J]. 计算机工程与科学, 2025, 47(01): 95-106.
[3]	陈欣然, 刘宁, 闫中敏, 刘磊, 崔立真. 基于注意力指导的双粒度跨模态医学特征学习框架[J]. 计算机工程与科学, 2025, 47(01): 150-159.
[4]	罗婧, 叶志晟, 杨泽华, 傅天豪, 魏雄, 汪小林, 罗英伟, . 研发类GPU集群任务数据集的构建及分析[J]. 计算机工程与科学, 2024, 46(12): 2128-2137.
[5]	敬超, 闭玉申. 面向深度学习作业的干扰感知在线调度算法研究[J]. 计算机工程与科学, 2024, 46(12): 2138-2148.
[6]	马金林, 闫琦, 马自萍. 西夏文字的多层掩码识别方法[J]. 计算机工程与科学, 2024, 46(12): 2227-2238.
[7]	徐欣, 李若诗, 袁野, 刘娜. 基于可学习图像滤波器的雾天驾驶场景图像语义分割[J]. 计算机工程与科学, 2024, 46(11): 2027-2034.
[8]	付燕, 杨旭, 叶鸥. 基于CNN和Transformer特征融合的烟雾识别方法[J]. 计算机工程与科学, 2024, 46(11): 2045-2052.
[9]	陈磊, 梁正友, 孙宇, 蔡俊民. 多尺度特征融合的移动端单目深度估计研究[J]. 计算机工程与科学, 2024, 46(09): 1616-1524.
[10]	刘强, 李沐春, 伍晓洁, 王煜恒. S-JSMA：一种低扰动冗余的快速JSMA对抗样本生成方法[J]. 计算机工程与科学, 2024, 46(08): 1395-1402.
[11]	潘雨青, 于浩, 李峰. 基于加权非负矩阵分解的异常声音检测方法研究[J]. 计算机工程与科学, 2024, 46(08): 1425-1432.
[12]	刘晓华, 徐茹枝, 杨成月. 一种基于多特征融合嵌入的中文命名实体识别模型研究[J]. 计算机工程与科学, 2024, 46(08): 1473-1481.
[13]	丁建平, 李卫军, 刘雪洋, 陈旭. 命名实体识别研究综述[J]. 计算机工程与科学, 2024, 46(07): 1296-1310.
[14]	田红鹏, 吴璟玮. RIB-NER：基于跨度的中文命名实体识别模型[J]. 计算机工程与科学, 2024, 46(07): 1311-1320.
[15]	黄智慧, 肖祥立, 张玉书, 薛明富. 基于隐形后门水印的开源数据集版权保护[J]. 计算机工程与科学, 2024, 46(06): 1013-1021.

采用融合卷积网的图像分类算法

PDF

可视化

摘要/Abstract

引用本文

使用本文

相关文章 15

编辑推荐

Metrics

本文评价