您当前的位置： 首页 > 论文 > 2018,49(04) > 信息与计算机科学
基金项目:
国家自然科学基金资助项目（61373100）； 国家863计划资助项目（2014AA015204）； 虚拟现实技术与系统国家重点实验室开放基金资助项目（BUAA-VR-17KF-15）； 山西省国际科技合作资助项目（2014081018-2）；
分类号:
TP18;TP391.41
DOI:
10.16355/j.cnki.issn1007-9432tyut.2018.04.012
期刊号:
2018,49(04)
收稿日期:
修回日期:
| 通讯作者 | 单位 |
| 谢红薇 | 太原理工大学计算机科学与技术学院 |
摘要:
针对传统图像识别算法过程繁琐、特征提取困难等问题,提出一种基于深度特征学习的图像自适应目标识别算法。首先对每层网络单个特征图的输入进行批量归一化（BN）处理,其次采用参数化线性修正单元PReLU对参数进行自适应调节,比较BN算法作用在激活函数前后输出的表现性能,构建自适应卷积神经网络模型CNN-BN-PReLU.实验从网络层数、卷积核数目、网络优化及经典卷积神经网络模型4个方面进行比较分析,结果表明,在DDSM数据集上,CNN-BNPReLU较优化前准确率提高了8.5%,训练时间大幅减少71.83%,其敏感度、特异度及AUC值均有显著提升,分别达到了96%,87%和0.91,识别效果远高于LeNet-5和AlexNet,具有较好的应用价值。
关键字:
深度学习;卷积神经网络;自适应;图像识别;算法;