基于深度残差网络的图像识别技术研究
Research on Image Recognition Technology Based on Depth Residual Network作者机构：泉州师范学院数学与计算机科学学院福建泉州362000
出 版 物：《韶关学院学报》 (Journal of Shaoguan University)
年 卷 期：2020年第41卷第6期
页 面：18-22页
学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081201[工学-计算机系统结构] 0812[工学-计算机科学与技术（可授工学、理学学位）]
摘 要：针对DCNN存在网络复杂度高和梯度消失的问题,设计了一个深度Res Nets模型,该模型通过添加与卷积神经网络各层并行的skip层连接来降低复杂度,并利用长跳转和短跳转混合的模式提高了识别率,采用ImageNet的子集验证模型的有效性,先从ImageNet选出部分图片进行训练,然后将训练好的深度Res Nets模型与其等效的卷积网络的性能进行比较,在21层的深度残差网络上,此模型识别准确度比CNN高出5.5%,训练损失减小9.13%.实验表明,在浅层次神经网络的表现上,改进的Res Nets的准确性更高,同时具有更低复杂度,在很多业务场景下能有效避免过度拟合问题.
维普期刊数据库
同方期刊数据库