文献类型：期刊文章

作　　者：朱威[1] 屈景怡[1] 吴仁彪[1]

Zhu Wei;Qu Jingyi;Wu Renbiao(Tianjin Key Laboratory for Advanced Signal Processing, Civil Aviation University of China, Tianjin 300300)

机构地区：[1]中国民航大学天津市智能信号与图像处理重点实验室,天津300300

出　　处：《计算机辅助设计与图形学学报》

基　　金：国家自然科学基金青年科学基金(11402294);天津市智能信号与图像处理重点实验室开放基金(2015AFS03);中国民航大学第六期波音基金(20160159209)

年　　份：2017

卷　　号：29

期　　号：9

起止页码：1650-1657

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CSCD、CSCD2017_2018、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为解决深度卷积神经网络由于梯度消失而导致训练困难的问题,提出一种基于批归一化的直通卷积神经网络算法.首先对网络所有卷积层的激活值进行批归一化处理,然后利用可学习的重构参数对归一化后的数据进行还原,最后对重构参数进行训练.在CIFAR-10,CIFAR-100和MNIST这3个标准图像数据集上进行实验的结果表明,文中算法分别取得了94.53%,73.40%和99.74%的分类准确率,明显优于其他深度神经网络算法;该算法能够有效地克服传统卷积神经网络中梯度消失的问题.

关 键 词：图像分类 深度学习  直通卷积神经网络  批归一化  梯度消失  

分 类 号：TP391.41]