基于优化分类的数据增广方法

摘要：

为提高卷积神经网络对图像分类的正确率,对数据增广提高网络正确率进行研究,提出优化分类的数据增广方法.通过对测试集所有类别进行分析,找到分类效果不好的单类进行数据扩增,改善网络模型因训练样本少、结构复杂引起分类效果差的现象.基于Caffe深度学习框架,采用CaffeNet网络模型对Caltech-101和Corel1K数据集进行训练分析,提取图像特征信息,对测试集进行验证,将优化分类前后的测试集正确率进行对比,优化后的正确率有较大的提升.

关键词：卷积神经网络、图像分类、数据增广、优化分类、Caffe

所属期刊栏目：39

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金项目60772168

在线出版日期：2019-01-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：3559-3563