基于全采样和L1范数降采样的卷积神经网络图像分类方法

摘要

本文针对卷积神经网络中最大池化会丢失对图像分类"有用"信息的问题,提出全采样方法和基于L1范数的降采样方法.全采样方法利用所有输入,基于L1范数的降采样方法把输入划分为不重叠的2×2的部分,从每个2×2的部分中选择L1范数最大的k(k=1,2,3)个1×1的部分实现降采样.为验证所提方法有效性,在CIFAR-10数据集和MNIST数据集上进行实验,结果表明,相比最大池化,所提方法可以在参数量不增加的基础上提高图像分类准确率.