基于跨连卷积神经网络的性别分类模型

摘要：

为提高性别分类准确率,在传统卷积神经网络(Convolutional neural network, CNN)的基础上,提出一个跨连卷积神经网络(Cross-connected CNN, CCNN)模型。该模型是一个9层的网络结构,包含输入层、6个由卷积层和池化层交错构成的隐含层、全连接层和输出层,其中允许第2个池化层跨过两个层直接与全连接层相连接。在10个人脸数据集上的性别分类实验结果表明,跨连卷积网络的准确率均不低于传统卷积网络。

关键词：性别分类、卷积神经网络、跨连卷积神经网络、跨层连接

所属期刊栏目：42

分类号：TP3;TP1

资助基金：国家自然科学基金61175004;高等学校博士学科点专项科研基金20121103110029;北京市博士后工作资助项目2015ZZ-24:Q6007011201501资助Supported by National Natural Science Foundation of China61175004;Specialized Research Fund for the Doctoral Program of Higher Education of China20121103110029;Project Funding of Postdoctor in Beijing2015ZZ-24:Q6007011201501

在线出版日期：2016-07-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：858-865