朱袁杰 江妙军 李晓天 王小坡

(1. 宁波市阿拉图数字科技有限公司, 浙江 宁波 315000; 2. 宁波市测绘设计研究院, 浙江 宁波 315000;3. 浙江省国土勘测规划有限公司, 浙江 杭州 310000)

0 引言

卷积神经网络(Convolutional Neural Network, CNN)是由Le Cun等人提出的一种特殊神经网络模型,该网络模型主要用于图像检索与分类、图像识别以及目标检测等方面,在图像识别分析领域取得了重大成果[1]。国内外学者对于卷积神经网络进行了大量研究,提出了许多优秀的模型与算法。衣姝颖等[2-3]使用卷积神经网络中的 AlexNet 模型和哈希编码结合,大大缩短了神经网络的训练时间,提高了哈希算法的效果。彭宴飞等[4-7]提出的一种基于卷积神经网络和E2LSH的遥感图像检索技术,有效地减少了距离换算的信息损失,提高了遥感图像特征表达能力。张春雷[8-10]提出一种基于卷积神经网络的并行网络模型,能够有效地对军事目标图像数据进行区分,对准确提供军事作战信息有重要意义。李思泉[11-12]等提出一种改进的基于卷积神经网络的人脸表情识别算法，同时引入Dropout技术,解决了梯度消失和网络的过拟合问题,增加了模型的非线性表达能力。朱俊鹏[13-15]等提出了一种基于卷积神经网络学习预测的算法,有效地降低了像素重构尺寸误差,大幅度提高了视差图生成的图像质量。芦国军[16]等改进了传统的深度卷积神经网络,提出了一种改进后的7层网络结构,采用PRelu函数和分层特征融合的方法,大大提高了分类的准确率,取得了良好的分类效果。……