联合结构相似性与类信息的图像分类

来源：计算机工程与应用杂志2019年第16期北京时间：

作者：熊炜，刘豪，王玥婧妍，王娟，曾春艳，张凡

单位：1.湖北工业大学 电气与电子工程学院，武汉 430068；2.太阳能高效利用湖北省协同创新中心，武汉 430068

摘要：针对卷积神经网络训练收敛速度慢的问题，提出了一种加权的联合结构相似性和类信息监督训练的方法。首先，针对小图像，设计一个能有效提取图像高级别信息的卷积神经网络。其次，建立加权的联合结构相似性和类信息损失函数训练卷积神经网络。最后，通过mnist手写数字和cifar10图像分类实验验证所设计网络的有效性。实验结果表明，所设计的网络在mnist手写数字和cifar10数据集上的图像分类错误率分别为0.33%和11%。在未进行扩增mnist数据集的前提下，所设计的网络的性能超过了该数据集上所有单网络的性能；在cifar10数据集上，所设计的网络能以较少的计算量获得较高的图像分类准确率。同时，联合结构相似性和类信息损失的监督训练能加快网络的训练速度。

关键词：卷积神经网络,图像分类,结构相似性,深度学习,度量学习