基于双向神经网络的图像分类算法

摘要

卷积神经网络需要把特征矩阵转换成向量才能进行全连接,对特征空间结构信息造成破坏.针对这个问题,提出一种基于双向神经网络的图像分类算法.利用双向(Two-Directional)层替代原先网络框架中的全连接层并进行端到端的训练,减少特征空间结构信息的损失,提出一种扩展BP算法,用于求解双向神经网络的学习问题.改进CaffeNet及vgg-16模型并在Caltech-256和Oxford Flower-102数据集上进行图像分类对比实验,实验结果表明,在相同的实验条件下双向神经网络算法能有效提升图像分类的性能.