基于可重叠混淆树的卷积神经网络

来源：计算机应用研究杂志2022年第3期北京时间：

作者：刘运韬,李渊,刘逊韵,

单位：1.国防科技大学计算机学院,长沙410073；2.军事科学院战争研究院,北京100097；

摘要：卷积神经网络（convolutional neural network，CNN）被广泛用于图像分类任务中。大多数现有的CNN模型都按照N路分类器的形式训练。然而，不同类别之间总存在差异性限制了N路分类器的分类能力。为了解决上述问题，提出的神经网络模型将混淆树结构（confusion tree，CT）和CNN模型结合，设计了性能更强的基于混淆树的卷积神经网络模型（confusion tree CNN，CT-CNN）。该模型首先建立一个混淆树来对类别之间的混淆性进行建模；然后，将混淆树的分层结构嵌入到CNN模型中，通过这种方式可以引导CNN的训练过程更加关注混淆性强的类别集合。该模型在公共数据集上进行了评估，实验结果证明，CT-CNN能克服大规模数据类别间的分类难度分布不均匀的局限，在复杂大规模的分类任务中取得稳定的优秀表现。

关键词：深度学习,社区发现,图像分类,混淆图,

基金资助：国家自然科学基金资助项目；；