-
题名基于线性叠加特征和CNNs的图像分类方法
被引量：6
- 1
-
-
作者
余萍
赵继生
-
机构
华北电力大学电子与通信工程系
-
出处
《微电子学与计算机》
CSCD
北大核心
2015年第10期36-40,共5页
-
文摘
针对现有卷积神经网络(CNNs)训练时间长的问题,基于CNNs具有很强的空间信息特性,提出一种将图像线性叠加(LS)特征作为卷积神经网络输入的图像分类方法,重点研究了以原始图像特征作为输入和以LS特征作为输入的CNNs输出层的损失函数对权重的偏导数之间的关系,分析了连接权重的更新机理.在MNIST手写字体数据集上进行图像分类实验,试验结果表明,以LS特征作为CNNs输入的学习方法在保证识别率的基础上,可以显著减少模型的训练时间,而且无需复杂的工程技巧,LS特征在图像分类上是可行的.
-
关键词
深度学习
卷积神经网络
反向传播算法
线性叠加
图像快速分类
-
Keywords
deep learning convolutional neural networks
back propagation algorithm linear superposition fast image classification
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
