本文選題：深度卷積神經(jīng)網(wǎng)絡(luò) + 自適應(yīng)模型構(gòu)建�。� 參考：《北京郵電大學(xué)學(xué)報(bào)》2017年04期

【摘要】：針對(duì)傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)(CNN)模型構(gòu)建過度依賴經(jīng)驗(yàn)知識(shí)、參數(shù)多、訓(xùn)練難度大等缺點(diǎn),同時(shí)鑒于復(fù)雜多類問題的CNN模型構(gòu)建策略的重要價(jià)值,提出一種自適應(yīng)深度CNN模型構(gòu)建方法.首先,將初始網(wǎng)絡(luò)模型的卷積層和池化層設(shè)置為僅含一幅特征圖;然后,以網(wǎng)絡(luò)收斂速度為評(píng)價(jià)指標(biāo),對(duì)網(wǎng)絡(luò)進(jìn)行全局?jǐn)U展,全局?jǐn)U展后,根據(jù)交叉驗(yàn)證樣本識(shí)別率控制網(wǎng)絡(luò)展開局部擴(kuò)展,直到識(shí)別率達(dá)到預(yù)設(shè)期望值后停止局部網(wǎng)絡(luò)學(xué)習(xí);最后,針對(duì)新增訓(xùn)練樣本,通過拓展新支路實(shí)現(xiàn)網(wǎng)絡(luò)結(jié)構(gòu)的自適應(yīng)增量學(xué)習(xí).通過圖像識(shí)別實(shí)驗(yàn)驗(yàn)證了所提算法在網(wǎng)絡(luò)訓(xùn)練時(shí)間和識(shí)別效果上的優(yōu)越性.
[Abstract]:In view of the shortcomings of the traditional convolution neural network (CNN) model, which is overly dependent on experience knowledge, with many parameters and difficulty in training, an adaptive depth CNN model construction method is proposed in view of the important value of the CNN model construction strategy for complex and multi class problems. First, the convolution layer and the pool layer of the initial network model are set to only one piece of the convolution layer and the pool layer. Then, with the network convergence speed as the evaluation index, the network is extended globally. After the global expansion, the local extension is expanded according to the cross validation sample recognition rate control network, and the local network learning is stopped after the recognition rate reaches the expected value. Finally, the new training route is extended to realize the network structure by expanding the new branch road. Self adaptive incremental learning is used to verify the superiority of the proposed algorithm in network training time and recognition effect through image recognition experiments.
【作者單位】： 山東理工大學(xué)電氣與電子工程學(xué)院;哈爾濱工程大學(xué)自動(dòng)化學(xué)院;
【基金】：山東省自然科研基金項(xiàng)目(ZR2015FL029,ZR2016FL14) 國(guó)家自然科學(xué)基金項(xiàng)目(61601266) 中國(guó)博士后科學(xué)基金項(xiàng)目(2017M612306)
【分類號(hào)】：TP183;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 ;圖像識(shí)別[J];印刷世界;2004年01期

2 陳寧;;交通中的圖像識(shí)別應(yīng)用[J];軟件工程師;2012年04期

3 殷曉磊;;海訊圖像識(shí)別 連結(jié)“天”與“地”——專訪上海亮風(fēng)臺(tái)(上海)信息科技有限公司聯(lián)合創(chuàng)始人廖春元[J];上海信息化;2013年06期

4 高巖,蔡韓輝,丁智,鄭根福,謝駿;圖像識(shí)別中的小內(nèi)孔問題[J];大連輕工業(yè)學(xué)院學(xué)報(bào);2000年04期

5 丁國(guó)芳,譚兆信,湯庸,章云;圖像識(shí)別的一個(gè)綜合網(wǎng)絡(luò)模型及其應(yīng)用[J];貴州工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2002年04期

6 張曉春,劉巖;基于計(jì)算機(jī)圖像識(shí)別的表面裂紋檢測(cè)方法[J];重型機(jī)械;2003年05期

7 張艷輝 ,孫以材;圖像識(shí)別在四探針測(cè)試技術(shù)中的應(yīng)用[J];電子產(chǎn)品世界;2004年03期

8 趙新子,吳巍,司秀麗,袁洪印;玉米種子活力圖像識(shí)別與處理技術(shù)研究[J];吉林農(nóng)業(yè)大學(xué)學(xué)報(bào);2004年05期

9 司秀麗;吳巍;趙新子;彭占武;袁洪印;;玉米種子純度的計(jì)算機(jī)圖像識(shí)別[J];吉林農(nóng)業(yè)大學(xué)學(xué)報(bào);2005年06期

10 馬仲智;;基于單片機(jī)的圖像識(shí)別模組的研究[J];科技信息(科學(xué)教研);2007年18期

相關(guān)會(huì)議論文 前10條

1 高曉丁;左賀;高鵬;;基于圖像識(shí)別的多套色印花對(duì)花定位技術(shù)研究[A];佶龍杯第四屆全國(guó)印花學(xué)術(shù)研討會(huì)論文集[C];2009年

2 郭艷;王萍;朱國(guó);;基于圖像識(shí)別的射擊自動(dòng)報(bào)靶系統(tǒng)[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國(guó)第18屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集[C];2007年

3 姜洪臣;任曉磊;趙耀宏;徐波;;基于音頻語譜圖像識(shí)別的廣告檢索[A];第十一屆全國(guó)人機(jī)語音通訊學(xué)術(shù)會(huì)議論文集（二）[C];2011年

4 姜洪臣;任曉磊;趙耀宏;徐波;;基于音頻語譜圖像識(shí)別的廣告檢索技術(shù)[A];第十一屆全國(guó)人機(jī)語音通訊學(xué)術(shù)會(huì)議論文集（一）[C];2011年

5 劉翠響;孫以材;張艷;于明;;基于三控制要素的多項(xiàng)式模糊擬合在人臉圖像識(shí)別中的應(yīng)用[A];第25屆中國(guó)控制會(huì)議論文集（下冊(cè)）[C];2006年

6 林達(dá)宜;邱利松;張莎;;物聯(lián)網(wǎng)發(fā)展與圖像識(shí)別[A];2012全國(guó)無線及移動(dòng)通信學(xué)術(shù)大會(huì)論文集（上）[C];2012年

7 王利強(qiáng);張紅梅;;儲(chǔ)糧害蟲圖像識(shí)別知識(shí)庫研究[A];計(jì)算機(jī)研究新進(jìn)展（2010）——河南省計(jì)算機(jī)學(xué)會(huì)2010年學(xué)術(shù)年會(huì)論文集[C];2010年

8 俞建榮;卜凡亮;李文力;陸曉軍;;流化床氣泡運(yùn)動(dòng)的圖像識(shí)別與分析[A];第三屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2005年

9 李靈;;情景智能圖像識(shí)別和數(shù)字化處理技術(shù)在型式評(píng)價(jià)試驗(yàn)中的運(yùn)用[A];2013年江蘇省計(jì)量測(cè)試學(xué)會(huì)學(xué)術(shù)會(huì)議論文集[C];2013年

10 于麗穎;;圖像識(shí)別方法技術(shù)分析與應(yīng)用[A];第24屆全國(guó)煤礦自動(dòng)化與信息化學(xué)術(shù)會(huì)議暨第6屆中國(guó)煤礦信息化與自動(dòng)化高層論壇論文集[C];2014年

相關(guān)重要報(bào)紙文章 前5條

1 記者 鄭曉春;以開發(fā)出計(jì)算機(jī)圖像識(shí)別新技術(shù)[N];科技日?qǐng)?bào);2007年

2 記者 李紅;法研究出圖像識(shí)別軟件[N];科技日?qǐng)?bào);2000年

3 田夢(mèng);PDF圖像識(shí)別助推電子政務(wù)[N];計(jì)算機(jī)世界;2007年

4 比爾·蓋茨;軟件邊界不斷改變令人興奮[N];中國(guó)電子報(bào);2008年

5 中國(guó)科技大學(xué)計(jì)算機(jī)系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計(jì)算機(jī)世界;2003年

相關(guān)博士學(xué)位論文 前10條

1 劉軍;人臉圖像識(shí)別關(guān)鍵技術(shù)的研究[D];北京郵電大學(xué);2015年

2 柳楊;面向圖像識(shí)別的稀疏模型研究[D];北京郵電大學(xué);2015年

3 耿慶田;基于圖像識(shí)別理論的智能交通系統(tǒng)關(guān)鍵技術(shù)研究[D];吉林大學(xué);2016年

4 王宇新;基于特征分布的圖像識(shí)別方法研究與應(yīng)用[D];大連理工大學(xué);2012年

5 陳健美;基于密度聚類和多特征融合的醫(yī)學(xué)圖像識(shí)別研究[D];江蘇大學(xué);2008年

6 冉瑞生;一些矩陣計(jì)算問題及其在圖像識(shí)別中的應(yīng)用研究[D];電子科技大學(xué);2006年

7 李雅梅;南宋川南墓葬石刻藝術(shù)與計(jì)算機(jī)圖像識(shí)別應(yīng)用的研究[D];重慶大學(xué);2008年

8 侯書東;基于相關(guān)投影分析的特征提取研究及在圖像識(shí)別中的應(yīng)用[D];南京理工大學(xué);2012年

9 吳萌;多尺度表達(dá)和正則化方法在圖像識(shí)別中的研究與應(yīng)用[D];上海交通大學(xué);2014年

10 謝鉉洋;SARS醫(yī)學(xué)圖像識(shí)別與輔助診斷研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2006年

相關(guān)碩士學(xué)位論文 前10條

1 段萌;基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別方法研究[D];鄭州大學(xué);2017年

2 王明靜;蟻群算法在圖像識(shí)別中的應(yīng)用研究[D];西安石油大學(xué);2015年

3 劉宜闊;熱光關(guān)聯(lián)圖像識(shí)別的研究[D];河北大學(xué);2015年

4 田湘源;基于圖像識(shí)別的中國(guó)畫真?zhèn)舞b別方法研究[D];西安建筑科技大學(xué);2015年

5 任皓;基于圖像識(shí)別的PCB焊接質(zhì)量檢測(cè)技術(shù)的研究[D];天津理工大學(xué);2015年

6 王倩;基于圖像識(shí)別的油畫真?zhèn)舞b別方法研究[D];西安建筑科技大學(xué);2015年

7 余征;基于Hadoop的人臉圖像識(shí)別并行處理方法研究與實(shí)現(xiàn)[D];西南交通大學(xué);2015年

8 馬爽;基于圖像識(shí)別的教室照明節(jié)能系統(tǒng)的技術(shù)研究[D];沈陽理工大學(xué);2015年

9 李義;基于相關(guān)學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別方法研究[D];哈爾濱工業(yè)大學(xué);2015年

10 李東;基于群智能算法優(yōu)化的超聲乳腺腫瘤圖像識(shí)別[D];第四軍醫(yī)大學(xué);2015年

，

本文編號(hào)：2067430