基于主成分分析网络的改进图像分类算法

作者：赵小虎; 尹良飞; 朱亚楠; 刘鹏^*; 王学奎; 沈雪茹

来源：激光与光电子学进展, 2019, 56(02): 73-83.

• 图像处理
• 主成分分析网络
• 宽度神经网络
• 快速训练
• 可解释性

针对深层卷积神经网络模型的训练复杂、调参技巧和经验要求高、理论分析难等问题,提出一种训练效率高、可解释性强以及理论分析简单的图像分类算法。基于主成分分析网络(Principal Component Analysis Network,PCANet)进行特征提取,并采用宽度神经网络(Flat Neural Network,FNN)分类图像,最后通过直接计算得到模型参数。根据训练数据集自适应决定宽度神经网络节点数目,增加节点时不需要重新训练,只需要调整局部参数。实验表明,该模型能够快速训练,较其他非监督分类算法以及传统深层神经网络,该模型在识别准确率方面具有较强的竞争力。

• 单位
  微软（中国）有限公司; 微软(中国)有限公司; 中国矿业大学; 中国矿业大学（北京）