面向大规模图像分类的深度卷积神经网络优化
作者:
作者单位:

作者简介:

白琮(1981-),男,山东泰安人,博士,讲师,CCF专业会员,主要研究领域为计算机视觉,多媒体信息处理;潘翔(1977-),男,博士,教授,博士生导师,CCF专业会员,主要研究领域为计算机视觉;黄玲(1994-),女,学士,CCF学生会员,主要研究领域为计算机视觉,多媒体信息处理;陈胜勇(1973-),男,博士,教授,博士生导师,CCF高级会员,主要研究领域为计算机视觉;陈佳楠(1990-),男,硕士生,主要研究领域为计算机视觉,多媒体信息处理;陈佳楠(1990-),男,硕士生,主要研究领域为计算机视觉,多媒体信息处理.

通讯作者:

白琮,E-mail:congbai@zjut.edu.cn

中图分类号:

基金项目:

国家自然科学基金(61502424,U1509207,61325019);浙江省自然科学基金(LY15F020028,LY15F020024,LY18F020032)


Optimization of Deep Convolutional Neural Network for Large Scale Image Classification
Author:
Affiliation:

Fund Project:

National Natural Science Foundation of China (61502424, U1509207, 61325019); Natural Science Foundation of Zhejiang Province, China (LY15F020028, LY15F020024, LY18F020032)

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    在图像分类任务中,为了获得更高的分类精度,需要对图像提取不同层次的特征信息.深度学习被越来越多地应用于大规模图像分类任务中.提出了一种基于深度卷积神经网络的、可应用于大规模图像分类的深度学习框架.该框架在经典的深度卷积神经网络AlexNet基础上,分别从网络框架和网络内部结构两个方面对网络进行了优化和改进,进一步提升了网络的特征表达能力.同时,通过在全连接层引入隐层,使得网络能够同时具备学习图像特征和二值哈希的功能,从而使该框架具有处理大规模图像数据的能力.通过在3个标准数据库中的一系列比对实验,分析了不同优化方法在不同情况下的作用,并证明了所提优化方法的有效性.

    Abstract:

    Features from different levels should be extracted from images for more accurate image classification. Deep learning is used more and more in large scale image classification. This paper proposes a deep learning framework based on deep convolutional neural network that can be applied for the large scale image classification. The proposed framework has modified the framework and the internal structure of the classical deep convolutional neural network AlexNet to improve the feature representation ability of the network. Furthermore, this framework has the ability of learning image features and binary hash simultaneously by introducing the hidden layer in the full-connection layer. The proposal has been validated in showing significance improvement through the serial experiments in three commonly used databases. Lastly, different effects of different optimization methods are analyzed.

    参考文献
    相似文献
    引证文献
引用本文

白琮,黄玲,陈佳楠,潘翔,陈胜勇.面向大规模图像分类的深度卷积神经网络优化.软件学报,2018,29(4):1029-1038

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2017-04-28
  • 最后修改日期:2017-06-26
  • 录用日期:
  • 在线发布日期: 2017-11-29
  • 出版日期:
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京市海淀区中关村南四街4号,邮政编码:100190
电话:010-62562563 传真:010-62562533 Email:jos@iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号