10.3969/j.issn.1000-386x.2018.09.048
基于卷积神经网络的多标签飞机识别算法
针对标签间具有包含关系的多标签飞机识别问题,为了充分利用标签之间的相关性,解决传统方法识别准确度低和效率慢的问题,提出一种基于卷积神经网络改进的多标签网络结构——多标签卷积神经网络MLCNN(Multi-label Convolutional Neural Network).该网络利用标签之间的包含关系,依次在卷积神经网络的不同深度分别设置各个标签的分类器,利用多个分类器同时进行误差反向传播,监督训练相应各层的网络权值参数.实验结果表明,采用特征提取层数渐减的策略可以使MLCNN的识别效果显著提升,既解决了网络层数过深导致的梯度弥散问题,也避免了单独多次训练CNN带来的弊端.采用最优结构的MLCNN在全部标签上的测试结果均优于单个标签CNN网络和SIFT+ SVM经典方法.相比于每个标签单独的CNN网络,其测试识别率分别提升了1.78％、5.13％和7.54％.
卷积神经网络、多标签、飞机识别、深度学习
35
TP3(计算技术、计算机技术)
2018-12-26（万方平台首次上网日期，不代表论文的发表时间）
共5页
270-274
