融合STN和DenseNet的深度学习网络及其应用

来源：计算机工程与应用杂志2019年第17期北京时间：

作者：张锡英，宋宇鹏，陈曦，边继龙

单位：东北林业大学 信息与计算机工程学院，哈尔滨 150040

摘要：图像识别是计算机视觉的重要分支之一，具有重要的理论和实践意义。近年来，以深度卷积神经网络为代表的图像分类方法被成功地应用到各个领域。针对神经网络对输入数据敏感、训练时间长等问题，结合空间映射网络（Spatial Transform Network，STN）和密集神经网络（Dense Neural Network，DenseNet）两者的特性，提出一种新型网络结构ST-DenseNet。该网络能够对输入图片作不变性归一化处理，解决数据敏感问题的同时提高图像识别效果。在树种叶片公开数据集Leafsnap上实现了90.43%的识别准确率、87.75%的召回率和89.07%的F-Measure的实验结果，模型ST-DenseNet明显优于其他网络模型。

关键词：图像识别,深度卷积神经网络,空间映射网络,密集神经网络,树种识别