基于局部调节卷积神经网络的图像识别方法
来源：计算机工程杂志2018年第12期北京时间：
作者：吴禄慎,常参参,王晓辉,陈华伟
单位：南昌大学 机电工程学院,南昌 330031
摘要：卷积神经网络在应用于图像识别时,会出现参数调节速度慢、迭代次数多以及小样本数据分类效果较差的问题。为此,提出一种局部调节卷积神经网络的方法。通过调节需求的大小,将参数对应的神经元分为关键部分和非关键部分,采用动态学习率和局部关键点修正,实现参数快速调节。在mnist、ORL、CIFAR-10和LFW上的实验结果表明,与DAP、UCNN等算法相比,该方法局部调节卷积神经网络的参数更快,在图像识别中达到识别精度需要的时间更少,而且整体识别率较高。
关键词：深度学习,卷积神经网络,损失函数,局部调节,学习率,图像识别
基金资助：国家自然科学基金“汽车及飞机模具数字化快速修复与再制造技术”(51065021);国家自然科学基金“汽车模具表面缺陷的逆向建模及特征识别理论与算法”(51365037);南昌大学研究生创新专项资金“基于机器视觉的日用瓷器分拣系统”(cx2016065)。
