基于新型初始模块的卷积神经网络图像分类方法

2021-01-08刘子龙

电子科技 2021年2期

朱斌，刘子龙

(上海理工大学光电信息与计算机工程学院，上海 200093)

计算机硬件技术和摄像设备的迅猛发展带动了计算机领域内视觉行业的发展，很大程度上可帮助人们提取图像中超越人眼辨识范围的信息，并读取图像中所包含的内容。图像的分类问题，其根本是通过计算机模拟人脑内部神经对图像的分析过程，对图像信息进行特征分析与特征提取，自动把不同图像分门别类的过程。卷积神经网络是一种内部包含多种运算的人为模拟神经系统的网络模型。自从20世纪50年代发现视觉系统中的信息处理是分级的[1]之后，人类便开始通过计算机模仿人类的神经元对图像进行处理。

在实际图像分类问题中，传统的卷积神经网络可能会产生提取特征不足、精确度不高、欠拟合以及梯度爆炸、消失等问题。本文在传统神经网络模型的基础上加入新型Inception模块提高模型对特征的提取能力，并通过增加通道数以及扩展模型的深度和宽度来提升处理信息的性能。此外，通过在模型处理数据信息过程中加入数据标准化、ReLU激活函数、数据增强、权重优化以及Adadelta优化手段，有效缓解数据训练过程中一些常见的问题，如梯度突然消失、拟合程度过大或者不足等。