一种基于卷积神经网络的改进小样本图像识别算法 | |
赵小强; 王帆 | |
2016-07-31 | |
会议日期 | 2016 |
关键词 | 卷积神经网络 图像 鲁棒性 算法 形变 小样本 识别率 |
英文摘要 | 针对卷积神经网络在训练样本不足及图像发生形变时存在识别率不高和鲁棒性较差的问题,提出了一种改进的卷积神经网络(CNN)算法。首先利用主成分分析(PCA)法预训练出卷积滤波器的初始值以克服训练样本不足;再采用ReL Us+Softplus结合的非线性修正函数作为激励函数以增加特征的稀疏性并避免网络过拟合;最后引入修正的反向传播(Modified Back Propagation,MBP)算法对网络的最小化误差准则进行优化,以达到提高识别率、增强鲁棒性的目的。实验表明,与传统CNN相比,本文提出的算法对小样本的形变图像具有更高的识别率和更好的鲁棒性。 |
内容类型 | 会议论文 |
源URL | [http://119.78.100.223/handle/2XXMBERH/27839] |
专题 | 电气工程与信息工程学院 |
作者单位 | 兰州理工大学电气工程与信息工程学院 |
推荐引用方式 GB/T 7714 | 赵小强,王帆. 一种基于卷积神经网络的改进小样本图像识别算法[C]. 见:. 2016. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论