文献类型：期刊文章

作　　者：牛连强[1] 陈向震[2] 张胜男[2] 王琪辉[2]

机构地区：[1]沈阳工业大学软件学院,沈阳110870 [2]沈阳工业大学信息科学与工程学院,沈阳110870

出　　处：《沈阳工业大学学报》

基　　金：国家自然科学基金资助项目(61372176)

年　　份：2016

卷　　号：38

期　　号：6

起止页码：662-666

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CAS、CSA、CSA-PROQEUST、EI、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为了提升卷积神经网络特征提取能力,设计了一种基于连续卷积的深度卷积神经网络模型.该模型采用小尺度的卷积核来更细致地提取局部特征,并借助连续的两个卷积层增加模型的非线性表达能力,结合Dropout技术降低神经元之间的相互依赖,利用抑制网络过拟合对模型进行优化.人脸表情、手写数字字符和彩色图像的目标识别实验表明,在图像较为复杂时,该模型在识别的准确性和泛化性能上比手工特征提取方法及一般的2、3层卷积结构具有明显的优势.

关 键 词：卷积神经网络 连续卷积  深度学习  网络结构 特征提取  参数优化 池化  图像识别

分 类 号：TP183]