参数池化卷积神经网络图像分类方法

作者：江泽涛; 秦嘉奇^*; 张少钦

来源：电子学报, 2020, 48(09): 1729-1734.

• 卷积神经网络
• 图像分类
• 池化方法
• 参数优化

传统的卷积神经网络使用池化层对信息进行降维操作,通常会造成信息损失,从而影响网络的表达能力.针对这一问题,使用参数池化层(Parameterized Pooling Layer)替代传统卷积神经网络中的池化层,提出参数池化卷积神经网络(Parameterized Pooling CNN,PPCNN).参数池化层在仅仅增加了少量网络参数的情况下,最大可能的保留了卷积神经网络中希望被保留下来的特征;同时,由于增加了池化层前向传播的信息,从而影响了反向传播算法中权值的更新,网络收敛速度更快;实验结果表明,PPCNN模型与传统卷积神经网络模型以及部分改进模型相比,参数池化卷积神经网络模型是有效的.

• 单位
  桂林电子科技大学; 桂林电子科技大学信息科技学院; 南昌航空大学