联合中间层的深度卷积神经网络模型

摘要：

针对当前卷积神经网络(Convolutional Neural Networks,CNN)模型通常将网络最后一层的输出作为特征表示,未能充分利用网络中间层的不足,提出了一种联合中间层的CNN模型(Intermediate Layers Connected-CNN,ILC-CNN).该模型以AlexNet为基础,首先联合前、中、末端卷积层,通过深度连接方式连接;接着通过池化层、全连接层等操作得到描述图像的特征向量;通过辅助分类器训练方式保证了中间层特征的有效性,使模型得以成功训练.测试结果表明,该模型在图像分类与识别任务中效果显著,其提取的特征更具辨识度,具有比其他模型更高的识别精度.

关键词：图像分类、图像识别、卷积神经网络、深度连接、中间层

所属期刊栏目：54

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61105071;张家港江苏科技大学产业技术研究院自主产业化项目509914003

在线出版日期：2018-11-02（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：139-144