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]	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.
[2]	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.
[3]	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.
[4]	胡昭华, 王长富, . 改进Faster R-CNN的遥感图像小目标检测算法[J]. 计算机工程与科学, 2024, 46(06): 1063-1071.
[5]	谭郁松, 王伟, 蹇松雷, 易超雄. 基于异常保持的弱监督学习网络入侵检测模型[J]. 计算机工程与科学, 2024, 46(05): 801-809.
[6]	尹春勇, 赵峰. 基于双层注意力和深度自编码器的时间序列异常检测模型[J]. 计算机工程与科学, 2024, 46(05): 826-835.
[7]	李新洁, 王文君, 董凌, 赖华, 余正涛, 高盛祥, . 基于多特征交互融合的老挝语无监督音素分割方法[J]. 计算机工程与科学, 2024, 46(05): 937-944.
[8]	马长林, 孙状. 基于实体知识的远程监督关系抽取[J]. 计算机工程与科学, 2024, 46(05): 945-950.
[9]	陈杰, 李程, 刘仲. 面向多核向量加速器的卷积神经网络推理和训练向量化方法[J]. 计算机工程与科学, 2024, 46(04): 580-589.
[10]	王谢中, 陈旭, 景永俊, 王叔洋. 基于异构图神经网络的半监督网站主题分类[J]. 计算机工程与科学, 2024, 46(04): 635-646.
[11]	余天赐, 高尚. 融合多结构信息的代码注释生成模型[J]. 计算机工程与科学, 2024, 46(04): 667-675.
[12]	高珊, 李世杰, 蔡志平. 基于深度学习的中文文本分类综述[J]. 计算机工程与科学, 2024, 46(04): 684-692.
[13]	曹浩东, 汪海涛, 贺建峰. 融合序列局部信息的日期感知序列推荐算法[J]. 计算机工程与科学, 2024, 46(04): 734-742.
[14]	罗月童, 李超, 周波, 张延孔. 面向工业缺陷分类的交互式易混淆缺陷分离方法研究[J]. 计算机工程与科学, 2024, 46(03): 463-470.
[15]	吕伏, 韩晓天, 冯永安, 项梁. 基于自适应纹理特征融合的纹理图像分类方法[J]. 计算机工程与科学, 2024, 46(03): 488-498.

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