深度连续卷积神经网络模型构建与性能分析
牛连强1
陈向震2
张胜男2
王琪辉2
1.沈阳工业大学软件学院,沈阳,1108702.沈阳工业大学信息科学与工程学院,沈阳,110870
摘要：为了提升卷积神经网络特征提取能力,设计了一种基于连续卷积的深度卷积神经网络模型.该模型采用小尺度的卷积核来更细致地提取局部特征,并借助连续的两个卷积层增加模型的非线性表达能力,结合Dropout技术降低神经元之间的相互依赖,利用抑制网络过拟合对模型进行优化.人脸表情、手写数字字符和彩色图像的目标识别实验表明,在图像较为复杂时,该模型在识别的准确性和泛化性能上比手工特征提取方法及一般的2、3层卷积结构具有明显的优势.
关键词：卷积神经网络连续卷积深度学习网络结构特征提取参数优化池化图像识别
分类号：TP183(自动化基础理论)
资助基金：国家自然科学基金(61372176)
论文发表日期：2016-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 662-666 )
英文信息