基于深度学习的智能高精度图像识别算法

作者：郭原东; 雷帮军; 聂豪; 李讷

来源：现代电子技术, 2021, 44(04): 173-176.

DOI：10.16652/j.issn.1004-373x.2021.04.038

• 图像识别
• 深度学习
• 随机隐退
• 图像降采样
• 仿真实验
• 网络测试

针对高精度训练样本缺失场景下图像识别算法泛化能力差的问题,文中提出一种改进的深度置信网络结构(DBNs)。该结构通过在DBN网络中引入随机隐退机制,使得隐含层中的部分单元失效,仅保留其连接权重,防止小样本量训练过程中产生的过拟合现象。为降低引入随机隐退机制后算法的计算复杂度,在该结构中引入基于相邻近算法的降采样机制。采用ORL开放人脸数据集进行仿真实验,结果表明,该机制可以将识别错误率由普通DBN网络的43%降低到5.0%,但计算时间有所增加。对比引入降采样算法后的网络测试结果显示,网络训练时间下降约69.9%;与AlexNet等公开网络的对比测试结果表明,该算法的识别精度可达95.2%,在计算精度与识别效率上均有一定的优越性。

• 单位
  三峡大学