卷积神经网络池化方法研究

作者：周林勇; 谢晓尧^*; 刘志杰; 任笔墨

来源：计算机工程, 2019, 45(04): 211-216.

DOI：10.19678/j.issn.1000-3428.0050129

• 卷积神经网络
• 深度学习
• 池化方法
• 多项分布
• 图像分类

为解决随机池化中零元素概率为0导致不能被选择的问题,提出一种改进的混合概率随机池化方法。将池化域中的元素去重复并按升序排序,然后加上对应次序的幂次,得到元素的权重概率。在此基础上,根据多项分布取样给出池化值。在数据集MNIST、CIFAR-10、CIFAR-100上进行实验,结果表明,该方法在3种数据集上的分类准确率分别为99.50%、72.25%、39.05%,相较于传统池化方法具有较好的分类效果与稳健性。

• 单位
  贵州师范大学; 贵州财经大学