基于CNNs的两次训练融合的分类方法

摘要：

该文基于卷积神经网络(CNNs)模型,提出一种模型融合的图像分类方法,将原图像经过图像增强和数据标准化后获得的数据作为原始数据,将原始数据取反后作为映射数据,分别使用原始数据和映射数据训练CNNs模型,通过融合训练后的两组CNNs模型获得改进的CNNs模型.通过假设、验证、理论推导步骤证明了该方法在简单模型上的有效性,进而推广到更复杂的卷积神经网络模型.实验结果表明,改进的CNNs模型与原始CNNs模型分类精度对比,在CIFAR-10和CIFAR-100数据集上分别提升了1％和3％,有效提升了模型的分类精度.

关键词：卷积神经网络、图像增强、图像分类、参数估计

所属期刊栏目：48

分类号：TP183(自动化基础理论)

在线出版日期：2019-10-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：774-778