结合批归一化的直通卷积神经网络图像分类算法

摘要：

为解决深度卷积神经网络由于梯度消失而导致训练困难的问题,提出一种基于批归一化的直通卷积神经网络算法.首先对网络所有卷积层的激活值进行批归一化处理,然后利用可学习的重构参数对归一化后的数据进行还原,最后对重构参数进行训练.在CIFAR-10,CIFAR-100和MNIST这3个标准图像数据集上进行实验的结果表明,文中算法分别取得了94.53％,73.40％和99.74％的分类准确率,明显优于其他深度神经网络算法;该算法能够有效地克服传统卷积神经网络中梯度消失的问题.

关键词：图像分类、深度学习、直通卷积神经网络、批归一化、梯度消失

所属期刊栏目：29

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金青年科学基金11402294;天津市智能信号与图像处理重点实验室开放基金2015AFS03;中国民航大学第六期波音基金20160159209

在线出版日期：2017-09-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1650-1657