avatar avatar 我的文献 基于特征交换的CNN图像分类算法研究 作者 生龙; 马建飞; 杨瑞欣; 吴迪 单位 河北工程大学信息与电气工程学院; 河北工程大学河北省安防信息感知与处理重点实验室 期刊 计算机工程 时间 关键词 深度学习; 卷积神经网络; 特征提取; 全卷积神经网络; 特征融合 基金 国家自然科学基金项目:面向移动环境的情感推荐隐式反馈偏好挖掘研究(61802107); 河北省自然科学基金:公共环境下的WBANs共存技术研究(1721203048); 增量序列模式匹配下网络入侵检测方法研究(ZD2018087); 省教育厅基金:WBANs多网共存中MAC机制的融合与优化研究(F2018402251)
摘要
针对深度学习在图像识别应用中过分依赖标注数据的问题,提出基于特征交换的CNN图像分类解决方案。通过CNN特征提取的方式结合全卷积神经网络像素位置预测功能,将卷积神经网络卷积层提取出的特征图与同类标签特征图交换,充分将有限的图像特征融合,以解决深度学习在图像识别中对标注数据依赖度较高的的问题。通过实验表明本文提出的交换特征图算法在较低标注数据依赖度的情况下,可有效提升网络识别准确率,使识别率提升至使用三倍原始数据训练的网络。基于特征交换的CCN图像分类为减少标注数据依赖,可应用于数据不能大量获取的领域或小型团体使用。
下载 浏览 cnki {{liketext}}
©2020 - iData {{ message }} 关闭