基于局部调节卷积神经网络的图像识别方法

摘要

卷积神经网络在应用于图像识别时,会出现参数调节速度慢、迭代次数多以及小样本数据分类效果较差的问题.为此,提出一种局部调节卷积神经网络的方法.通过调节需求的大小,将参数对应的神经元分为关键部分和非关键部分,采用动态学习率和局部关键点修正,实现参数快速调节.在mnist、ORL、CIFAR-10和LFW上的实验结果表明,与DAP、UCNN等算法相比,该方法局部调节卷积神经网络的参数更快,在图像识别中达到识别精度需要的时间更少,而且整体识别率较高.