基于全采样和L1范数降采样的卷积神经网络图像分类方法 |
| |
作者单位: | ;1.青岛大学自动化与电气工程学院 |
| |
摘 要: | 本文针对卷积神经网络中最大池化会丢失对图像分类"有用"信息的问题,提出全采样方法和基于L1范数的降采样方法。全采样方法利用所有输入,基于L1范数的降采样方法把输入划分为不重叠的2×2的部分,从每个2×2的部分中选择L1范数最大的k(k=1,2,3)个1×1的部分实现降采样。为验证所提方法有效性,在CIFAR-10数据集和MNIST数据集上进行实验,结果表明,相比最大池化,所提方法可以在参数量不增加的基础上提高图像分类准确率。
|
关 键 词: | 卷积神经网络 图像分类 降采样 |
Convolution Neural Network Image Classification Based On Full Sampling And L1 Norm Downsampling |
| |
Abstract: | |
| |
Keywords: | |
|
|