| 适用于具有多分类器的卷积神经网络训练方法 |
| |
| 作者姓名： | 李建更 李立杰 张岩 王朋飞 左国玉 |
| |
| 作者单位： | 北京工业大学信息学部,北京 100124;计算智能与智能系统北京市重点实验室,北京 100124;北京工业大学信息学部,北京 100124;计算智能与智能系统北京市重点实验室,北京 100124;北京工业大学信息学部,北京 100124;计算智能与智能系统北京市重点实验室,北京 100124;北京工业大学信息学部,北京 100124;计算智能与智能系统北京市重点实验室,北京 100124;北京工业大学信息学部,北京 100124;计算智能与智能系统北京市重点实验室,北京 100124 |
| |
| 基金项目： | 北京市自然科学基金;国家自然科学基金 |
| |
| 摘 要： | 为了提升视条件而定的深度卷积网络(conditional deep learning network,CDLN)的分类准确率,提出一种多分类器联合训练的方法.在训练网络时将多个分类器的输出误差同时进行反向传播,以校正网络权重.以Le Net-5、Alex Net为基础构造神经网络CDLN-L和CDLN-A,以MNIST、CIFAR-100和Pascal Voc数据集为实验样本进行实验,网络的分类准确率均得到提升,最高提升了4.39%.实验表明,提出的联合训练方法能够提升CDLN的分类准确率.
|
| 关 键 词： | 深度学习 卷积神经网络(CNN) 视条件而定的深度卷积网络(CDLN) 多分类器 多分类器联合训练 图像分类 分类准确率 |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
