并行尺度裁切的深度卷积神经网络模型

作     者：黄友文 方永平 HUANG You-wen;FANG Yong-ping

作者机构：江西理工大学信息工程学院江西赣州341000 

基　　金：江西省教育厅科技资助项目(GJJ150683) 

出 版 物：《微电子学与计算机》 (Microelectronics & Computer)

年 卷 期：2019年第36卷第4期

页      码：6-11页

摘      要：针对并行卷积神经网络(PCNN)的参数过多,模型训练时间成本高的问题,本文提出了并行尺度裁切卷积神经网络(PSC-CNN).PSC-CNN算法是将并行卷积神经网络其中一路(Path A)的输入及该通路的特征提取层的输出通过Crop层裁切得到新的尺寸的图像供给另一路(Path B)网络作为输入.这样,Path A的输入图像在数据层经过一次随机裁剪,Path B则经过了两次裁剪操作,增加了输入数据的多样性,提升了模型的学习能力.算法以AlexNet为基础网络,分别设计了对应的PCNN及PSC-CNN模型,在数据集Caltech101、Caltech256上进行实验.实验结果表明,相较原始的PCNN,本文提出的改进算法有效的提升了分类准确度同时缩短了训练时间.

主 题 词：并行卷积神经网络 识别 尺度裁切 特征提取 AlexNet 

学科分类：08[工学] 0812[工学-测绘类] 

D　O　I：10.19304/j.cnki.issn1000-7180.2019.04.002

馆 藏 号：203635851...