基于局部调节卷积神经网络的图像识别方法

摘要：

卷积神经网络在应用于图像识别时,会出现参数调节速度慢、迭代次数多以及小样本数据分类效果较差的问题.为此,提出一种局部调节卷积神经网络的方法.通过调节需求的大小,将参数对应的神经元分为关键部分和非关键部分,采用动态学习率和局部关键点修正,实现参数快速调节.在mnist、ORL、CIFAR-10和LFW上的实验结果表明,与DAP、UCNN等算法相比,该方法局部调节卷积神经网络的参数更快,在图像识别中达到识别精度需要的时间更少,而且整体识别率较高.

关键词：深度学习、卷积神经网络、损失函数、局部调节、学习率、图像识别

所属期刊栏目：44

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金“汽车及飞机模具数字化快速修复与再制造技术”51065021;国家自然科学基金“汽车模具表面缺陷的逆向建模及特征识别理论与算法”51365037;南昌大学研究生创新专项资金“基于机器视觉的日用瓷器分拣系统”cx2016065

在线出版日期：2019-03-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：240-246