计算机工程与应用 ›› 2018, Vol. 54 ›› Issue (20): 139-144.DOI: 10.3778/j.issn.1002-8331.1707-0012
袁明新1,2,张丽民1,2,朱友帅1,姜 烽1,江亚峰2
YUAN Mingxin1,2, ZHANG Limin1,2, ZHU Youshuai1, JIANG Feng1, JIANG Yafeng2
摘要: 针对当前卷积神经网络(Convolutional Neural Networks,CNN)模型通常将网络最后一层的输出作为特征表示,未能充分利用网络中间层的不足,提出了一种联合中间层的CNN模型(Intermediate Layers Connected-CNN,ILC-CNN)。该模型以AlexNet为基础,首先联合前、中、末端卷积层,通过深度连接方式连接;接着通过池化层、全连接层等操作得到描述图像的特征向量;通过辅助分类器训练方式保证了中间层特征的有效性,使模型得以成功训练。测试结果表明,该模型在图像分类与识别任务中效果显著,其提取的特征更具辨识度,具有比其他模型更高的识别精度。