杨文柱， 刘　晴， 王思乐， 崔振超， 张宁雨

(河北大学 网络空间安全与计算机学院，河北 保定 071002)

0　引言

正确识别监控图像中的羽绒类型，是基于机器视觉[1-2]的羽绒分拣技术的关键．在羽绒监控图像中，同一类型的羽绒形态千差万别，不同类型的羽绒形态也有相似，这使得传统的图像识别技术难以正确识别监控图像中的羽绒类型，其识别精度也难以达到实际生产的要求(正确率不小于90%)．深度卷积神经网络[3](deep convolutional neural networks，DCNN)是一种基于特征学习的图像识别方法，其泛化能力较传统的图像识别方法有了明显提高，因此在最近几年，基于DCNN的图像识别方法取得了举世瞩目的成绩．基于特征学习的图像识别方法不需要事先指定应该提取的特征，而是通过迭代学习的方式寻找最适合分类的特征．将DCNN应用于图像识别任务时，不仅可以提高识别精度，还可以避免人工提取特征造成的人力和时间浪费，同时满足在线检测的需要．

近年来识别效果好的DCNN结构有AlexNet[4]、VGGNet[5]、GoogleNet[6]、ResNet[7]等．DCNN在图像识别分类[8]、目标检测[9]、目标跟踪[10]、文本识别[11]、语音识别[12]等方面都取得了很好的成绩．这些网络中权值初始化方法大部分采用随机初始化，如小随机数初始化[4]、Xavier初始化[13]、MSRA初始化[14]等．DCNN的训练方式是有监督训练，所以训练时需要大量有类标的数据来进行权值的更新调整.但当图像数据集较小时容易造成网络的前几层无法得到充分训练等问题，针对该问题的主要解决方案是对网络的卷积核进行无监……