多通道卷积神经网络图像识别方法
易超人
邓燕妮
1.武汉理工大学 自动化学院,湖北 武汉,4300702.武汉理工大学 自动化学院,湖北 武汉,430070
摘要：为了更好地利用图像数据中隐含的特征信息,将多方向梯度信息作为边缘信息的基本表达,提出了一种基于图像梯度的多通道卷积神经网络图像识别方法.先将图像进行Sobel算子处理,得到水平方向、垂直方向及两个对角方向的4个梯度图像.然后,建立4个多层卷积神经网络,学习4个不同方向梯度图像的特征.再将4个不同方向的特征进行随机化特征融合,得到样本的特征后经过批标准化处理.最后,通过分类器得到分类结果.在数据库Cifar-10和MNIST上进行了验证,验证结果表明:本文提出的模型具有较好的泛化能力,相比单通道卷积神经网络,在两个数据库中识别错误率分别降低了9.85%和0.38%.
关键词：卷积神经网络多通道梯度图像随机化特征融合分类
分类号：TP391.41(计算技术、计算机技术)
资助基金：国家"863"计划基金项目(2015AA015904)
论文发表日期：2017-01-01
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：4( 41-44 )