一种融合autoencoder与cnn的混合算法用于图像-计算机应用研究.pdfVIP

一种融合AutoEncoder 与CNN 的混合算法用于图像特征提取 作者 刘兴旺, 王江晴, 徐科 机构 中南民族大学 计算机科学学院；华中科技大学 计算机科学与技术学院 发表期刊 《计算机应用研究》 预排期卷 2017 年第34 卷第12 期 访问地址 /article/02-2017-12-049.html 发布日期 2017-01-23 15:07:54 引用格式 刘兴旺, 王江晴, 徐科. 一种融合AutoEncoder 与CNN 的混合算法用于图像特征提取[J/OL]. [20 17-01-23]. /article/02-2017-12-049.html. 摘要 深度学习方法在图像的特征提取方面具有优势。本文针对传统特征提取方法需要先验知识的不足， 提出一种自动编码器（AutoEncoder）与卷积神经网络（convolutional neural networks，CNN）相 结合的深度学习特征提取方法。该方法给AutoEncoder 加入快速稀疏性控制，据此对图像训练出 基本构件，并初始化CNN 的卷积核；同时，给CNN 网络加入了滤波机制，使输出特征保持稀疏 性。实验结果表明，在Minist 手写数字库和Yale 人脸库的识别效果上，提出的特征提取方法均取 得了较好的… 关键词 深度学习, 卷积神经网络, 自动编码器, 滤波, 稀疏控制 中图分类号 TP391.41 基金项目 国家自然科学基金资助项目; 教育部-中国移动科研基金项目（MC MC 优先出版 计 算 机 应 用 研 究 第34 卷 一种融合AutoEncoder 与CNN 的混合算法用于图像特征提取* 1 1 1, 2* 刘兴旺 ，王江晴 ，徐 科 (1．中南民族大学 计算机科学学院，武汉 430074 ；2 ．华中科技大学 计算机科学与技术学院，武汉 430074) 摘 要：深度学习方法在图像的特征提取方面具有优势。本文针对传统特征提取方法需要先验知识的不足，提出一种自 动编码器（AutoEncoder ）与卷积神经网络（convolutional neural networks，CNN）相结合的深度学习特征提取方法。该 方法给AutoEncoder 加入快速稀疏性控制，据此对图像训练出基本构件，并初始化CNN 的卷积核；同时，给CNN 网络 加入了滤波机制，使输出特征保持稀疏性。实验结果表明，在Minist 手写数字库和Yale 人脸库的识别效果上，提出的 特征提取方法均取得了较好的结果，实验进一步通过交叉验证T 检验指出，引入滤波机制的特征提取模型优于没有采用 滤波机制的模型。 关键词：深度学习；卷积神经网络；自动编码器；滤波；稀疏控制 中图分类号：TP391.41 Novel image feature extraction algorithm based on fusion autoencoder and cnn 1 1 1, 2* Liu Xingwang , Wang Jiangqing , Xu Ke (1. College of Computer Science, South-Central University for Nationalities, Wu