基于梯度的多输入卷积神经网络

摘要：

深度学习已成为目前机器学习领域的研究热点，卷积神经网络是深度学习的重要组成。以卷积神经网络为基础，结合自动编码提取特征中的边缘特性，采用多方向梯度信息作为边缘信息的基本表达，并以此作为卷积神经网络的多源输入数据，提出了一种具有多个输入层的卷积神经网络结构。以手写字符识别和行人检测为例，通过实验表明，梯度信息多输入网络与经典卷积神经网络相比，具有更高的识别率，且在训练次数少的情况下优势更为明显，同时也证明在适度预处理的条件下多输入卷积神经网络能够获得更好的效果。

关键词：深度学习、卷积神经网络、多输入、梯度

分类号：TP139.41(自动化基础理论)

资助基金：国家自然科学基金61472444,61472392

在线出版日期：2015-04-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：33-38