常 祥， 杨 明

(中北大学 a.信息探测与处理山西省重点实验室; b.理学院， 太原 030051)

基于改进的卷积神经网络的图像分类性能

常 祥a， 杨 明b

(中北大学 a.信息探测与处理山西省重点实验室; b.理学院， 太原 030051)

将改进的卷积神经网络应用到图片目标识别中。为了提高分类预测准确度，对传统卷积神经网络结构进行了改进，其具体结构为：卷积层C1—池化层S1—卷积层C2—池化层S2—卷积层C3—池化层S3—全连接层FC—输出，主要增加了卷积层和池化层层数，且在卷积滤波器规格选择上统一选择了5×5。最后用这一网络结构模型和其他模型(ReNet、APAC、PACNet)对CIFAR-10数据库进行试验对比，通过最终的预测准确度可以看出：改进后的卷积神经网络的精度达90.37%，高于其他3种模型。

卷积神经网络; 图像分类技术;卷积层;池化层

layer

随着互联网平台的迅速发展，人们在日常生活中通过各种搜索引擎获取自己感兴趣的图片已经变得越来越简单化。同时，人们也可以将各式各样的图片上传到互联网平台，与他人进行分享。在搜索图片时主要通过输入关键信息，计算机再在云端数据库中根据特定算法寻找符合条件的图像，实质上就是根据算法对图片中的物体或人物进行查询与分类。由于网络数据库中信息基数较大，因此迫切需要具有较高准确度的算法和模型，改善对目标图形的分类预测。

目前，对于图像分类领域相关研究，大多都集中在遥感图像和医学图像等领域，而对于自然图像分类问题的研究较少。……