新疆大学学报(自然科学版)

2018, v.35;No.150(02) 195-202

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于改进DCNN结合迁移学习的图像分类方法
Image Classification Method Based on Improved DCNN Combined Transfer Learning

杨东旭;赖惠成;班俊硕;王俊南;

摘要(Abstract):

针对传统DCNN(Deep Convolutional Neural Networks)模型中Softmax分类层存在的过早饱和及模型参数采用随机初始化训练时间长、识别准确率低的问题,提出一种将噪声注入Softmax并结合迁移学习的图像分类方法.首先,根据对Softmax饱和问题探究,对比注入的噪声参数选取对识别率的影响来找到最佳情况,从而产生更为宽泛的梯度并起到延迟饱和的作用;然后,利用公开预训练模型参数来代替随机初始化参数,并比较冻结不同卷积层对模型的影响;最后,在MNIST和CIFAR-10图像分类数据集上实验,证明所提方法具有良好的识别效果.

关键词(KeyWords): DCNN;噪声Softmax;迁移学习;图像分类

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金资助项目(61561048);; 新疆维吾尔自治区科学基金资助项目(2015211C257)

作者(Author): 杨东旭;赖惠成;班俊硕;王俊南;

Email:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享