基于特征交换的CNN图像分类算法研究

摘要：

针对深度学习在图像识别任务中过分依赖标注数据的问题,提出一种基于特征交换的卷积神经网络(CNN)图像分类算法.结合CNN的特征提取方式与全卷积神经网络的像素位置预测功能,将CNN卷积层提取出的特征图与同类标签特征图进行交换,充分融合有限的图像特征,以解决图像识别中样本不足的问题.实验结果表明,该算法对标注数据的依赖性较低且有效提升了网络识别准确率,适用于数据量较小的图像分类场景.

关键词：深度学习、卷积神经网络、特征提取、图像识别、特征融合

所属期刊栏目：46

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金“面向移动环境的情感推荐隐式反馈偏好挖掘研究”;河北省自然科学基金“公共环境下的WBANs共存技术研究”;河北省教育厅基金“增量序列模式匹配下网络入侵检测方法研究”;河北省教育厅基金“WBANs多网共存中MAC机制的融合与优化研究”

在线出版日期：2020-10-13（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：268-273