季思文，闫胜业，王 蒙

(1.南京信息工程大学 江苏省大数据分析技术重点实验室， 江苏 南京 210044；2.南京信息工程大学 计算机软件学院，江苏 南京 210044)

0 引 言

图像分类是模式识别以及计算机视觉领域一个重要的研究课题，提升图像分类性能的关键有两点：①提取优秀的特征；②有效利用特征。主流的研究方向在于如何提取更好的特征来实现较好的图像分类效果。传统的图像特征提取方法有：HOG特征[1]、LBP特征[2]、Haar-like特征[3]等。目前，深度神经网络提取特征成为计算机视觉领域的一个研究热门，众多优秀的神经网络模型被提出和优化，利用神经网络提出的特征也更加优秀。Y.LeCun等提出了LeNet神经网络模型[4]，该模型包含两个卷积层，3个全连接层主要设计应用于银行的手写数字识别系统，是早期卷积神经网络的代表。AlexNet[5]网络结构取得了ImageNet[6]分类大赛的冠军，该网络包含5个卷积层和3个全连接层。K Simonyan等提出了VGG网络[7]，不同于8层网络的AlexNet，VGG-Net通常有16-19层的网络，并且每一层的卷积核大小3*3，最大池化层大小为2*2，其减少了卷积层的参数并加深网络的深度来提高网络性能，并对网络进行预训练加速网络的收敛。GoogLenet[8-10]获得了ILSVRC-2013的冠军，提出了Inception module的概念，旨在强化特征提取模块的性能。随着网络宽度和深度的增加，神经网络能够提取出越来越优秀的特征，图像分类的性能也在稳步提升。图像在经过卷积层、池化层进行特征提取以后，能够有效地保留特征空间上的结构信息，该特征也有助于图像的分类。上文提到的深度网络模型通过全连接层进行图像的分类。……