基于改进胶囊网络模型的小样本图像识别

摘要：

针对小样本识别问题引入胶囊模型,并将其与卷积神经网络相结合进行改进,以提升神经网络的性能.首先,在模型构建过程中引入提取目标图像的不同维度特征信息,进而利用单位卷积代替传统神经网络中的池化层,实现不同维度间的特征融合,这一操作可以在简化特征参数的同时提升特征表达能力;然后,通过胶囊网络对卷积模块所提特征做进一步处理,提取图像的位置信息,以获得更具有鲁棒性的分类特征.实验结果证明,相对于传统卷积神经网络、支持向量机和决策树算法,改进的分类模型在宝石小样本数据集上具有更好的识别效果.

关键词：小样本识别;深度学习;图像识别;胶囊模型;卷积神经网络;多尺度卷积;单位卷积;特征融合

所属期刊栏目：45

分类号：TN911.73-34;TP301.6

资助基金：国家自然科学基金61463047

在线出版日期：2022-03-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：49-55