10.3969/j.issn.1673-629X.2018.02.008
基于循环卷积神经网络的目标检测与分类
卷积神经网络模仿人类的视觉识别能力,提取图像目标的显著抽象特征,在图像目标检测与分类的应用上效果良好.在当前比较流行的批量随机梯度训练算法训练卷积神经网络的过程中,当神经元处于饱和状态时,会出现梯度下降缓慢和过度拟合问题,易使神经网络模型训练陷入困难.结合卷积神经网络和循环神经网络的特点,提出了构造浅层循环卷积神经网络,且在训练循环卷积神经网络模型时,分别采用进退法、黄金分割法自适应地改变批量随机梯度下降算法的规范化参数和学习率.实验结果表明,改进算法能够较好地避免梯度下降缓慢和过拟合问题,在训练循环卷积神经网络模型时具有较好的目标检测分类效果和更快的收敛性.
物体检测、进退法、黄金分割算法、随机梯度算法、神经网络
28
TP311(计算技术、计算机技术)
国家自然科学基金61672021;陕西省自然科学基础研究计划资助项目2015JM6296
2018-03-29(万方平台首次上网日期,不代表论文的发表时间)
共5页
31-35