文献类型：期刊文章

作　　者：孙平安[1] 祁俊[3] 谭秋月[2]

Sun Ping’an;Qi Jun;Tan Qiuyue(Laboratory Management Center, Wuyishan Fujian 354300, China;College of Mathematics&Computer,Wuyi University,Wuyishan Fujian354300,China;Dept. of Computer Technology & Application, Qinghai University, Xining 810016, China)

机构地区：[1]武夷学院实验室管理中心,福建武夷山354300 [2]武夷学院数学与计算机学院,福建武夷山354300 [3]青海大学计算机技术与应用系,西宁810016

出　　处：《计算机应用研究》

基　　金：国家自然科学基金资助项目(61762086);福建省教育厅信息化类项目(JAT160524);福建省教育厅科技A类项目(JA15513)

年　　份：2019

卷　　号：36

期　　号：7

起止页码：2223-2227

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA-PROQEUST、CSCD、CSCD_E2019_2020、IC、INSPEC、JST、RCCSE、UPD、ZGKJHX、ZMATH、核心刊

摘　　要：针对图像识别算法中图像集上几何曲面的特定分类会导致判别信息丢失的问题,提出一种融合卷积神经网络的改进型迭代深度学习算法(IIDLA)。该算法采用混合卷积网进行底层的平移不变特征学习,以层次化的方式迭代应用卷积神经网络对输入图像集的不同非线性特征进行学习。算法的图库和查询实例中包括了不同视角、背景、面部表情、解析度和照明度的人脸或物体图像集。采用数据集将提出的算法与其他算法进行评估对比,实验结果表明提出的算法在被测数据集上的性能最优。

关 键 词：深度学习  卷积神经网络(CNN)  自适应  图像识别 层次化迭代  

分 类 号：TP391.41]