10.3969/j.issn.1000-386x.2016.01.041
基于多通道卷积神经网络的非结构化道路路表分析
针对传统卷积神经网络CNN(Convolutional Neural Networks)在训练或学习时只利用图像的灰度信息,丢失了颜色信息的问题,提出一种基于多通道卷积神经网络来提取特征的方法.该算法对于每一个颜色通道分别学习一个多层卷积神经网络,并且在输出层通过全连通的神经网络进行融合.算法首先建立三个多层卷积神经网络来学习图像三个通道(RGB,HSV,Lab等)的特征;然后将三个颜色通道的特征赋予不同的权值(权值和为1)后进行融合,得到样本的特征;最后通过一个全连通的神经网络得到分类结果.实验结果分析表明,该算法相比于传统卷积神经网络能取得更高的准确性,同时能更好地适应复杂多变的环境.
卷积神经网络、颜色信息、多通道、自学习特征
33
TP3(计算技术、计算机技术)
2016-04-28(万方平台首次上网日期,不代表论文的发表时间)
共4页
159-162