avatar avatar 我的文献 卷积神经网络的“深度”研究 作者 柯岩; 林小竹; 廖蕊; 魏战红 单位 北京石油化工学院信息工程学院; 北京化工大学信息科学与技术学院 期刊 计算机工程 时间 关键词 卷积神经网络; 卷积核; 感受野; 深度; 中心极限定理 基金 国家自然科学基金; 北京市自然科学基金
摘要
随着深度学习的不断发展,卷积神经网络在目标检测与图像分类中的出色表现吸引了更多研究者的关注。从最初的LeNet-5网络到最新的深度残差网络,神经网络的层数在不断的增加。本文着眼于神经网络中“深度”的含义,设计了对比性试验,在保证感受野相同的前提下,给定标准的输入图片和输出特征图,对不同层数的卷积网络进行训练,而后将训练结果与标准输出图进行对比,从数据的角度阐释了“深度”的含义,针对标准的3~*3卷积核做进一步分解,构建了由2~*2大小卷积核组成的卷积神经网络。最后,根据目标特征是否具有中心对称的性质,提出了多层卷积网络初始权值的选取规则,迁移模型并非总是有效,这从另一个角度补充丰富了何凯明最新论文的观点。
下载 浏览 cnki {{liketext}}
©2020 - iData {{ message }} 关闭