计算机工程 ›› 2018, Vol. 44 ›› Issue (12): 240-246.doi: 10.19678/j.issn.1000-3428.0048480

• 图形图像处理 • 上一篇    下一篇

基于局部调节卷积神经网络的图像识别方法

吴禄慎,常参参,王晓辉,陈华伟   

  1. 南昌大学 机电工程学院,南昌 330031
  • 收稿日期:2017-08-31 出版日期:2018-12-15 发布日期:2018-12-15
  • 作者简介:吴禄慎(1953—),男,教授、博士生导师,主研方向为计算机视觉、逆向工程、数字化与可视化技术;常参参(通信作者),硕士研究生;王晓辉,副教授、博士研究生;陈华伟,副教授、博士后。
  • 基金项目:

    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)。

Image Recognition Method Based on Local Adjustment Convolutional Neural Network

WU Lushen,CHANG Cancan,WANG Xiaohui,CHEN Huawei   

  1. School of Mechanical and Electrical Engineering,Nanchang University,Nanchang 330031,China
  • Received:2017-08-31 Online:2018-12-15 Published:2018-12-15

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

Abstract:

Convolutional neural networks have some problems of slow parameter adjustment,more iterations,and poor classification of small sample data in the image recognition.Therefore,a method of locally adjusting a Convolutional Neural Network(CNN) is proposed.By adjusting the size of the demand,the neurons corresponding to the parameters are divided into key parts and non-critical parts,and dynamic learning rate and local oritical point correction are used to achieve rapid parameter adjustment.Experimental results on mnist,ORL,CIFAR-10 and LFW show that compared with DAP,UCNN and other algorithms,the local adjustment of the CNN parameters is faster.It has Less time and a higher overall recognition rate under the same recognition accuracy in image recognition.

Key words: Deep Learning(DL), Convolutional Neural Network(CNN), loss function, local adjustment, learning rate, image recognition

中图分类号: