岳 颀，马彩文

(1．中国科学院 西安光学精密机械研究所， 西安 710119； 2．中国科学院大学， 北京 100039; 3.西安邮电大学, 西安 710121)

指数弹性动量卷积神经网络及其在行人检测中的应用

岳 颀1,2,3，马彩文1

(1．中国科学院 西安光学精密机械研究所， 西安 710119； 2．中国科学院大学， 北京 100039; 3.西安邮电大学, 西安 710121)

针对深度卷积神经网络存在规则化参数多、未利用浅层先验知识、参数随机初始化后易导致权值更新梯度弥散及训练早熟等问题，采用PCA非监督学习方式获取导向性初始化参数数值方法,并基于对网络误差的传播分析，提出指数自适应弹性动量参数学习方法. 以复杂场景下行人目标为例进行目标检测试验，实验表明: 与人工特征检测识别方案及传统深度卷积模型相比，该模型可有效提升目标检测精度，检测速度提升20%以上；与其他动量同源更新机制相比，该算法收敛速度更快，收敛曲线更平滑，泛化能力强，可在不同深度模型均可取得较好检测效果，准确率分别平均提高1.6%，1.8%和6.19%.

深度神经网络；弹性动量；目标检测；模型优化

随着科技的不断进步，目标智能检测算法作为视频监控、交通管理、医药检验以及工农业产品监管等高层应用系统的技术基础，应用范围日益广泛，其相关算法研究受到了国内外学者的广泛关注. 目前，图像检测算法通常基于人工设计特征进行模式识别. 该类特征提取方法场景适应能力弱，且需以深厚的理论知识和特征设计经验为基础进行设……