基于改进型稀疏自动编码器的图像识别

›› 2016, Vol. 29 ›› Issue (1): 124-.

基于改进型稀疏自动编码器的图像识别

尹征,唐春晖,张轩雄

(上海理工大学光电信息与计算机工程学院,上海 200093)

出版日期:2016-01-15 发布日期:2016-02-25
作者简介:尹征(1989—),男,硕士研究生。研究方向:计算机视觉等。唐春晖(1971—),男,讲师。研究方向:数字图像处理等。张轩雄(1965—),男,教授。研究方向:微电子机械系统等。

Image Recognition Based on Improved Sparse Auto-encoder

YIN Zheng,TANG Chunhui,ZHANG Xuanxiong

(School of Optical-Electrical and Computer Engineering,University of Shanghai for Science and Technology,Shanghai 200093,China)

Online:2016-01-15 Published:2016-02-25

摘要/Abstract

摘要：

传统的稀疏自动编码器不具备平移不变性,同时对非高斯噪声较为敏感。为增加网络平移不变的特性,借鉴卷积神经网络的相关理论,通过对原始的像素块进行卷积运算以达到上述目的;而为了提高对非高斯噪声的鲁棒性,自动编码器的代价函数由均方误差改为了最大相关熵准则。通过在MNIST和CIFAR-10数据集上进行试验,结果证明,改进后的方法较传统的自动编码器具有更好地识别效果,识别率提高了2%～6%。

关键词: 深度学习, 自动编码器, 卷积神经网络, 最大相关熵

Abstract:

The traditional sparse auto-encoder lacks invariant translation and is sensitive to non-Gauss noise.A method convolving the original pixel block is proposed to increase the network invariance with the mean square error (MSE) replaced by the maximum correntropy criterion (MCC) in cost function to improve the anti-noise ability.The proposed method is evaluated using the MINIST and CIFAR-10 datasets.Experimental results show that the proposed approach improves the recognition rate by 2% in the condition of non-noise and by 6% in the noise condition.

Key words: deep learning;auto encoder;convolutional neural network;maximum correntropy criterion

中图分类号:

TN762

尹征,唐春晖,张轩雄. 基于改进型稀疏自动编码器的图像识别[J]. , 2016, 29(1): 124-.

YIN Zheng,TANG Chunhui,ZHANG Xuanxiong. Image Recognition Based on Improved Sparse Auto-encoder[J]. , 2016, 29(1): 124-.

[1]	李辉,王一丞. 基于CNNCIFG-Attention模型的文本情感分类[J]. 电子科技, 2022, 35(2): 46-51.
[2]	程晓雅,张雷. 基于深度学习的有遮挡人脸识别方法研究[J]. 电子科技, 2022, 35(1): 35-39.
[3]	赵崇,迟蒙蒙,储聪,张鹏. 导盲犬行走机构运动仿真及其视觉识别算法研究[J]. 电子科技, 2021, 34(9): 66-72.
[4]	战荫伟,朱百万,杨卓. 一种车脸识别算法的研究与应用[J]. 电子科技, 2021, 34(8): 1-7.
[5]	廖璐明,张伟. 基于改进VGG16网络的混合批量训练交通标志识别[J]. 电子科技, 2021, 34(8): 8-13.
[6]	马立新,豆晨飞,宋晨灿,杨天笑. 基于特征融合卷积神经网络的绝缘子无损检测[J]. 电子科技, 2021, 34(7): 26-30.
[7]	顾伟,李菲菲,陈虬. 基于多特征融合的行人检测方法[J]. 电子科技, 2021, 34(5): 29-34.
[8]	薛永杰,巨志勇. 基于改进AlexNet的鱼类识别算法[J]. 电子科技, 2021, 34(4): 12-17.
[9]	闫书豪,乔美英. 基于一维WConv-BiLSTM的轴承故障诊断算法[J]. 电子科技, 2021, 34(4): 75-82.
[10]	邵杭,王永雄,秦宇龙. 基于深度学习与显著性的数字图像构图优化[J]. 电子科技, 2021, 34(3): 36-42.
[11]	郑展鹏,尹钟. 基于集成SDAE和EEG的跨被试认知工作负荷识别[J]. 电子科技, 2021, 34(3): 48-53.
[12]	葛靖,刘子龙. 基于CNN和LSTM的睡眠呼吸暂停检测算法[J]. 电子科技, 2021, 34(2): 21-26.
[13]	朱斌,刘子龙. 基于新型初始模块的卷积神经网络图像分类方法[J]. 电子科技, 2021, 34(2): 52-56.
[14]	闫超,孙占全,田恩刚,赵杨洋,范小燕. 基于深度学习的医学图像分割技术研究进展[J]. 电子科技, 2021, 34(2): 7-11.
[15]	张灿,陈玮,尹钟. 基于弱监督宫颈细胞图像的语义分割方法[J]. 电子科技, 2021, 34(12): 68-74.