基于衰减因子的双通道神经网络图像分类算法

作     者：屈景怡 朱威 吴仁彪 QU Jingyi;ZHU Wei;WU Renbiao

作者机构：中国民航大学天津市智能信号与图像处理重点实验室天津300300 

出 版 物：《系统工程与电子技术》 (Systems Engineering and Electronics)

年 卷 期：2017年第39卷第6期

页      面：1391-1399页

核心收录：

学科分类：0808[工学-电气工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 0811[工学-控制科学与工程] 

基　　金：国家自然科学青年基金(11402294) 天津市智能信号与图像处理重点实验室开放基金项目(2015AFS03) 中国民航大学第六期波音基金(20160159209)资助课题 

主　　题：图像分类 深度学习 卷积神经网络 双通道神经网络 卷积衰减因子 

摘      要：为解决深度卷积神经网络(convolutional neural networks,CNN)难以训练的问题,提出一种快速、高效的双通道神经网络(dual-channel neural networks,DCNN),该神经网络由直通通道和卷积通道两种通道构成,直通通道负责保障深度网络的畅通性,卷积通道负责深度网络的学习。考虑到深层网络在训练时容易出现性能不稳定的问题,在卷积通道上引入卷积衰减因子,对其响应数据进行约束。设计一种双池化层对同一特征图进行降采样,不仅可以防止训练过拟合,还能保证各通道的维度一致性。在3个图像数据集CIFAR-10、CIFAR-100和MNIST上的实验结果表明,无论是神经网络的可训练深度、稳定性和分类精度,DCNN都明显优于现有的深度卷积神经网络。