APP下载

多通道卷积神经网络图像识别方法

2017-07-24易超人邓燕妮

关键词:数据库特征信息

易超人,邓燕妮

(武汉理工大学 自动化学院,湖北 武汉 430070)



多通道卷积神经网络图像识别方法

易超人,邓燕妮

(武汉理工大学 自动化学院,湖北 武汉 430070)

为了更好地利用图像数据中隐含的特征信息,将多方向梯度信息作为边缘信息的基本表达,提出了一种基于图像梯度的多通道卷积神经网络图像识别方法。先将图像进行Sobel算子处理,得到水平方向、垂直方向及两个对角方向的4个梯度图像。然后,建立4个多层卷积神经网络,学习4个不同方向梯度图像的特征。再将4个不同方向的特征进行随机化特征融合,得到样本的特征后经过批标准化处理。最后,通过分类器得到分类结果。在数据库Cifar-10和MNIST上进行了验证,验证结果表明:本文提出的模型具有较好的泛化能力,相比单通道卷积神经网络,在两个数据库中识别错误率分别降低了9.85%和0.38%。

卷积神经网络;多通道;梯度图像;随机化特征融合;分类

0 引言

特征提取是模式识别领域中的核心技术,也是其难点之一。传统基于特征的识别方法都是先定义一种特征,再根据预先定义的特征进行分类识别。深度学习作为机器学习的重要发展,能够逐层地自动学习合适的表示特征,因而在众多领域中得到了广泛应用。卷积神经网络(convolutional neural network,CNN)作为深度学习的三大重要模型之一,继承了深度学习技术自动提取特征的优点,并且通过权值共享大大减少了所需要训练的参数,使CNN能快速处理高维图像,还具备一定的平移不变性,因而在图像分类识别等领域取得了较好的效果。……

登录APP查看全文

猜你喜欢

数据库特征信息
如何表达“特征”
不忠诚的四个特征
订阅信息
数据库
数据库
数据库
数据库
展会信息
线性代数的应用特征
健康信息