基于双流混合变换cnn特征的图像分类与识别-井冈山大学学报.pdfVIP

第36 卷第5 期 Vol.36 No.5 冈山大学学报( 自然科学版) 2015 年9 月 Sep. 2015 Journal of Jinggangshan University (Natural Science) 53 冈山大学学报( 自然科学版) 53 章编号：1674-8085(20 15)05-0053-07 基于双流混合变换CNN 特征的图像分类与识别 * 1 2 2 2 汤鹏杰 ，谭云兰 ，李金忠 ，谭 彬 (1.井冈山大学数理学院，江西，吉安 343009 ；2.井冈山大学电子与信息工程学院，江西，吉安 343009 ） 摘 要：具有表达能力及可辨别性更强的特征是图像分类与识别技术的关键。深度 CNN 特征经过多次中间非线 性变换，特征鲁棒性更强，在图像分类与识别领域已取得重大进展。但传统的 CNN 模型只增加变换层次，下层 变换依赖于上层输出结果，因此其中间特征冗余度较低，最终得到的特征向量信息丰富程度不够。本文提出一种 基于双流混合变换的CNN 模型——DTM-CNN 。该模型首先使用不同大小的感受野卷 核提取图像不同的中间 特征，然后在多次深度变换时，对中间特征进行混合流动，经过多次混合变换，最终得到 1024 维的特征向量， 并使用Softmax 回归函数对其分类。实验结果表明，该模型经过多次卷 、池化及激活变换，提取的特征更加抽 象、语义及结构信息更加丰富，对图像具有更强的表达能力及辨别性，因此图像分类及识别性能优越。 关键词：图像分类；识别；双流混合；CNN 中图分类号：TP391.4 献标识码：A DOI:10.3969/j .issn.1674-8085.20 15.05.011 IMAGE CLASSIFICATION AND RECOGNITION BASED ON DEEP TWO STREAM MIXED CNN FEATURES * 1 2 2 2 TANG Peng-jie , TAN Yun-lan , LI Jin-zhong , TAN bin (1. School of Mathematics and Physics, Jinggangshan University,Ji’an,Jiangxi 343009,China; 2. School of Electronics and Information Engineering, Jinggangshan University, Ji ’an, Jiangxi 343009, China) Abstract: It is very important for image classification and recognition that the feature is more discriminative and has power representation ability. The deep CNN feature is more robust than other features because of its more non-linear transformation, and great breakthrough has obtained in the field of image classification and recognition based on the CNN .