文献类型：期刊文章

作　　者：张月[1] 潘伟[1] 陈晓熹[1]

机构地区：[1]厦门大学信息科学与技术学院,福建省仿脑智能系统重点实验室,福建厦门361005

出　　处：《厦门大学学报（自然科学版）》

基　　金：国家自然科学基金(60975084);福建省自然科学基金(2009J01305)

年　　份：2010

卷　　号：49

期　　号：4

起止页码：482-486

语　　种：中文

收录情况：AJ、BDHX、BDHX2008、BIOSISPREVIEWS、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、INSPEC、JST、MR、PROQUEST、RCCSE、RSC、WOS、ZGKJHX、ZMATH、ZR、核心刊

摘　　要：目前基于图像的场景识别的方法都依赖于对图像特征的选取及特征数目的精简.提出了一种基于部分连接演化神经网络模型来进行图像场景识别的新方法:不对图像进行特征提取,而是将待识别图像的每个像素都作为神经网络的输入.为了克服新方法由于大量神经元引起的模型训练时间过长问题,将基于C语言计算架构的演化神经网络模型创造性地移植到基于图形处理器(GPU)的通用并行计算构架(CUDA),神经网络的演化训练速度提高200倍以上.在实验中,尽管输入的图像大小达到300×400像素(120 000个输入神经元),但CUDA的部分连接演化神经网络对场景图像有较强的识别能力,对亮度、缩放、旋转等变化也有较好的鲁棒性.

关 键 词：场景识别  部分连接演化神经网络  CUDA

分 类 号：TP181] TP183]