面向大规模图像分类的深度卷积神经网络优化

来源：软件学报杂志2018年第4期北京时间：

作者：白琮,黄玲,陈佳楠,潘翔,陈胜勇

单位：白琮，浙江工业大学 计算机科学与技术学院, 浙江 杭州 31002311,黄玲，浙江工业大学 计算机科学与技术学院, 浙江 杭州 31002302,陈佳楠，浙江工业大学 计算机科学与技术学院, 浙江 杭州 31002303,潘翔，浙江工业大学 计算机科学与技术学院, 浙江 杭州 31002304,陈胜勇，浙江工业大学 计算机科学与技术学院, 浙江 杭州 31002305

摘要：在图像分类任务中，为了获得更高的分类精度，需要对图像提取不同层次的特征信息.深度学习被越来越多地应用于大规模图像分类任务中.提出了一种基于深度卷积神经网络的、可应用于大规模图像分类的深度学习框架.该框架在经典的深度卷积神经网络AlexNet基础上，分别从网络框架和网络内部结构两个方面对网络进行了优化和改进，进一步提升了网络的特征表达能力.同时，通过在全连接层引入隐层，使得网络能够同时具备学习图像特征和二值哈希的功能，从而使该框架具有处理大规模图像数据的能力.通过在3个标准数据库中的一系列比对实验，分析了不同优化方法在不同情况下的作用，并证明了所提优化方法的有效性.

关键词：图像分类;哈希编码;深度卷积神经网络;激活函数;池化

基金资助：国家自然科学基金（61502424，U1509207，61325019）；浙江省自然科学基金（LY15F020028，LY15F020024，LY18F020032）