基于Boosting的深度学习图像分类算法设计

摘要

深度学习是机器学习的一个重要分支,可用于图像分类及目标识别等,其中ResNet网络由于其自身的优势,所以应用较为广泛.在此基础上,提出了一个新的算法,用于训练ResNet网络.由于ResNet网络结构可以看做是逐层增强的结构,其本身结构解决了深度学习中的退化问题,故结合Boosting的原理,提出了一个基于Boosting理论,同时完整保留ResNet网络本身优点的训练算法.在ResNet网络每一层的输出处引入一个线性的全连接层,使之分别相对于一个弱的分类器.此时,仅需要训练浅层的网络便可达到所需效果,继承了ResNet网络优点的同时,使得网络可以达到更深同时又不影响准确率.总而言之,提供了一个弱学习环境以及Boosting理论,在此条件下,利用新的算法对ResNet网络进行训练.