基于优化分类的数据增广方法

作者：蒋梦莹; 林小竹; 柯岩

来源：计算机工程与设计, 2018, 39(11): 3559-3563.

DOI：10.16208/j.issn1000-7024.2018.11.046

• 卷积神经网络
• 图像分类
• 数据增广
• 优化分类
• Caffe

为提高卷积神经网络对图像分类的正确率,对数据增广提高网络正确率进行研究,提出优化分类的数据增广方法。通过对测试集所有类别进行分析,找到分类效果不好的单类进行数据扩增,改善网络模型因训练样本少、结构复杂引起分类效果差的现象。基于Caffe深度学习框架,采用CaffeNet网络模型对Caltech-101和Corel1K数据集进行训练分析,提取图像特征信息,对测试集进行验证,将优化分类前后的测试集正确率进行对比,优化后的正确率有较大的提升。

• 单位
  北京化工大学; 北京石油化工学院