%0 Journal Article %T 面向大规模图像分类的深度卷积神经网络优化 %A 潘翔 %A 白琮 %A 陈佳楠 %A 陈胜勇 %A 黄玲 %J - %D 2018 %R 10.13328/j.cnki.jos.005404 %X 在图像分类任务中,为了获得更高的分类精度,需要对图像提取不同层次的特征信息.深度学习被越来越多地应用于大规模图像分类任务中.提出了一种基于深度卷积神经网络的、可应用于大规模图像分类的深度学习框架.该框架在经典的深度卷积神经网络AlexNet基础上,分别从网络框架和网络内部结构两个方面对网络进行了优化和改进,进一步提升了网络的特征表达能力.同时,通过在全连接层引入隐层,使得网络能够同时具备学习图像特征和二值哈希的功能,从而使该框架具有处理大规模图像数据的能力.通过在3个标准数据库中的一系列比对实验,分析了不同优化方法在不同情况下的作用,并证明了所提优化方法的有效性 %K 图像分类 哈希编码 深度卷积神经网络 激活函数 池化 %U http://www.jos.org.cn/jos/ch/reader/view_abstract.aspx?file_no=5404&flag=1