增强层次CNN模型在目标识别应用中的研究

受生物视觉信息处理机制启发的目标识别是当前计算机视觉领域研究的热点之一,其主要思想是对大脑视觉皮层中视觉信息的层次性处理过程进行模拟,构建数学模型来实现目标识别。然而传统的层次化计算模型通常以前馈信息传递为基础,层与层之间采用被动的硬连接方式,强调对视觉信息的多层分解,却较少涉及视觉神经系统的主动感知和学习过程。因此选择以同时具备稀疏连接思想和自我学习机制、并且具备良好网络拓扑结构的卷积神经网络为框架,基于经典卷积神经网络模型,融入分层和仿生的思想,提出新的基于视觉神经增强层次CNN模型——IH-CNN。实验结果表明,IH-CNN模型可以较好的解决大规模图像中的目标识别问题,目标识别准确率高达84%。