基于CNN的中国绘画图像分类

摘要：

提出了一种基于卷积神经网络CNN的中国绘画图像分类方法.首先针对过拟合问题,提出了一种改进的合成少数类过采样技术SMOTE扩增数据,然后将扩增后的数据直接输入到CNN中,经过隐藏层的卷积和亚采样,并采用校正线性单元ReLu、S形生长曲线Sigmoid替代传统的Sigmoid激活函数,提取的数据能更好地表示其特征.实验结果表明,与传统分类方法相比,新提出的方法在中国绘画图像分类上具有良好的分类能力.

关键词：SMOTE、ReLu+Sigmoid、卷积神经网络、中国绘画图像分类

所属期刊栏目：37

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61402143,61202280;浙江省自然科学基金资助项目LQ14F020012

在线出版日期：2017-06-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：45-50