基于高低维度特征融合的双通道卷积神经网络

摘要：

为了充分利用图像中所隐藏的特征信息,提出将低级维度特征融合在全连接层,构建出融合了高低级维度特征的双通道卷积神经网络.首先构建一个传统的双通道卷积神经网络,在两通道上设置不同大小的卷积核,将双通道的池化层分别连接到全连接层,同时将两通道卷积神经网络的第一池化层提取的特征也直接送到全连接层,使提取得到的初级和高级特征图在全连接层上进行融合,融合后的数据输入到Softmax分类器进行分类.不同算法在fashion-mnist和CI-FAR-10数据库上的对比仿真结果表明,本文模型获得了较高的分类准确率.

关键词：特征融合、双通道卷积神经网络、卷积核、池化层

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61372173, 61671163

在线出版日期：2019-02-26（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：101-105