计算机工程

作者：生龙, 马建飞, 杨瑞欣, 吴迪

单位：河北工程大学 a. 信息与电气工程学院;b. 河北省安防信息感知与处理重点实验室, 河北 邯郸 056038

关键词：深度学习,卷积神经网络,特征提取,图像识别,特征融合

基金：国家自然科学基金"面向移动环境的情感推荐隐式反馈偏好挖掘研究"（61802107）；河北省自然科学基金"公共环境下的WBANs共存技术研究"（1721203048）；河北省教育厅基金"增量序列模式匹配下网络入侵检测方法研究"（ZD2018087）；河北省教育厅基金"WBANs多网共存中MAC机制的融合与优化研究"（F2018402251）。

针对深度学习在图像识别任务中过分依赖标注数据的问题，提出一种基于特征交换的卷积神经网络（CNN）图像分类算法。结合CNN的特征提取方式与全卷积神经网络的像素位置预测功能，将CNN卷积层提取出的特征图与同类标签特征图进行交换，充分融合有限的图像特征，以解决图像识别中样本不足的问题。实验结果表明，该算法对标注数据的依赖性较低且有效提升了网络识别准确率，适用于数据量较小的图像分类场景。

来源：2020年第9期

《计算机工程》期刊编辑部

查看计算机工程杂志2020年第9期