基于卷积神经网络的多标签飞机识别算法

作者：孙振华; 李新德

来源：计算机应用与软件, 2018, 35(09): 270-274.

• 卷积神经网络
• 多标签
• 飞机识别
• 深度学习

针对标签间具有包含关系的多标签飞机识别问题,为了充分利用标签之间的相关性,解决传统方法识别准确度低和效率慢的问题,提出一种基于卷积神经网络改进的多标签网络结构——多标签卷积神经网络MLCNN(Multi-label Convolutional Neural Network)。该网络利用标签之间的包含关系,依次在卷积神经网络的不同深度分别设置各个标签的分类器,利用多个分类器同时进行误差反向传播,监督训练相应各层的网络权值参数。实验结果表明,采用特征提取层数渐减的策略可以使MLCNN的识别效果显著提升,既解决了网络层数过深导致的梯度弥散问题,也避免了单独多次训练CNN带来的弊端。采用最优结构的MLCNN在全部标签上的测试结果均优于单个标签CNN网络和SIFT+SVM经典方法。相比于每个标签单独的CNN网络,其测试识别率分别提升了1. 78%、5. 13%和7. 54%。

• 单位
  自动化学院; 东南大学