改进的卷积神经网络图片分类识别方法.PDFVIP

第３５卷第１２期　　　 计算机应用与软件 Ｖｏｌ３５Ｎｏ．１２ ２０１８年１２月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｄｅｃ．２０１８ 改进的卷积神经网络图片分类识别方法 １，２ １ １ １ １ 闫　河 　王　鹏 　董莺艳 　罗　成 　李　焕 １（重庆理工大学计算机科学与工程学院　重庆４０１３２０） ２（重庆理工大学两江人工智能学院　重庆４０１１４７） 摘　要　　在图像分类识别中，为了获得更高的分类精确度，需要对图片提取更精确和更能表现图片语义信息的 特征，深度学习已成为特征提取最常用的方法。提出一种改进的深度卷积神经网络的图片分类模型。通过从网 络架构和内部结构两方面对经典的深度神经网络ＡｌｅｘＮｅｔ的改进和优化，进一步提升特征的表达能力。通过在全 连接层引入极限学习机，不仅提高了网络的分类能力和分类时间，而且使得该结构具有更优的数据处理能力。通 过在两个标准数据集上的一系列对比实验，分析了不同的优化方法在不同情况下的作用，并证明了该网络结构的 有效性。 关键词　　卷积神经网络　极限学习机　图片识别　池化　特征提取 中图分类号　ＴＰ３９１．４１　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１８．１２．０３７ ＩＭＡＧＥＣＬＡＳＳＩＦＩＣＡＴＩＯＮＡＮＤＩＤＥＮＴＩＦＩＣＡＴＩＯＮＭＥＴＨＯＤ ＢＡＳＥＤＯＮＩＭＰＲＯＶＥＤＣＯＮＶＯＬＵＴＩＯＮＡＬＮＥＵＲＡＬＮＥＴＷＯＲＫ １，２ １ １ １ １ ＹａｎＨｅ 　ＷａｎｇＰｅｎｇ 　ＤｏｎｇＹｉｎｇｙａｎ　ＬｕｏＣｈｅｎｇ　ＬｉＨｕａｎ １（ＣｏｌｌｅｇｅｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，ＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｃｈｏｎｇｑｉｎｇ４０１３２０，Ｃｈｉｎａ） ２（ＣｏｌｌｅｇｅｏｆＬｉａｎｇｊｉａｎｇＡｒｔｉｆｉｃａｌＩｎｔｅｌｌｉｇｅｎｃｅ，ＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｃｈｏｎｇｑｉｎｇ４０１１４７，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｉｎｉｍａｇｅｃｌａｓｓｉｆｉｃａｔｉｏｎａｎｄｒｅｃｏｇｎｉｔｉｏｎ，ｍｏｒｅａｃｃｕｒａｔｅａｎｄｂｅｔｔｅｒｉｍａｇｅｓｅｍａｎｔｉｃｉｎｆｏｒｍａｔｉｏｎｆｅａｔｕｒｅｓｎｅｅｄ ｔｏｂｅｅｘｔｒａｃｔｅｄｔｏｏｂｔａｉｎｈｉｇｈｅｒｃｌａｓｓｉｆｉｃａｔｉｏｎａｃｃｕｒａｃｙ．Ｄｅｅｐｌｅａｒｎｉｎｇｂｅｃｏｍｅｓｔｈｅｍｏｓｔｃｏｍｍｏｎｍｅｔｈｏｄｆｏｒｆｅａｔｕｒｅ ｅｘｔｒａｃｔｉｏｎ．Ｗｅｐｒｏｐｏｓｅｄａｐｉｃｔｕｒｅｃｌａｓｓｉｆｉｃａｔｉｏｎｍｏｄｅｌｂａｓｅｄｏｎｉｍｐｒｏｖｅｄｄｅｅｐｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋｉｎｔｈｉｓ ｐａｐｅｒ．ＴｈｅｃｌａｓｓｉｃｄｅｅｐｎｅｕｒａｌｎｅｔｗｏｒｋＡｌｅｘＮｅｔｗａｓｉｍｐｒｏｖｅｄａｎｄｏｐｔｉｍｉｚｅｄｆｒｏｍｔｗｏａｓｐｅｃｔｓ：ｎｅｔｗｏｒｋａｒｃｈｉｔｅｃｔｕｒｅａｎｄ ｉｎｔｅｒｎａｌｓｔｒｕｃｔｕｒｅ，ｔｏｆｕｒｔｈｅｒｅｎｈａｎｃｅｔｈｅｅｘｐｒｅｓｓｉｖｅａｂｉｌｉｔｙｏｆｆｅａｔｕｒｅｓ．Ｔｈｅｅｘｔｒｅｍｅｌｅａｒｎｉｎｇｍａｃｈｉｎｅｗａｓｉｎｔｒｏｄｕｃｅｄａｔ ｔｈｅｆｕｌｌｃｏｎｎｅｃｔｉｏｎｌａｙｅｒ，ｗｈｉｃｈｇａｖｅｔｈｅｎｅｔｗｏｒｋａｂｅｔｔｅｒｃｌａｓｓｉｆｉｃａｔｉｏｎｃａｐａｂｉｌｉｔｙａｎｄｔｉｍｅ，ａｎｄｍａｄｅｔｈｉｓｓｔｒｕｃｔｕｒｅｍｏｒｅ ｃａｐａｂｌｅｏｆｄａｔａｐｒｏｃｅｓｓｉｎｇ．Ｔｈｒｏｕｇｈｃｏｍｐａｒｉｓｏｎｅｘｐｅｒｉｍｅｎｔｓｏｎｔｗｏｓｔａｎｄａｒｄｄａｔａｓｅｔｓ，ｉｔａｎａｌｙｚｅｓｔｈｅｅｆｆｅｃｔｏｆｄｉｆｆｅｒｅｎｔ ｏｐｔｉｍｉｚａｔｉｏｎｍｅｔｈｏｄｓｕｎｄｅｒｄｉｆ