典型文献
改进的Darknet噪声图像分类网络
文献摘要：
针对现有噪声图像分类效率低的问题,提出一种改进的Darknet噪声图像分类算法.去掉Darknet网络输出部分的1×1卷积层,将第19层卷积核数量改为4,在网络最后加上Softmax层,实现网络分类功能.在网络passthrough层和第6～8层后分别引入Dropout层,在卷积层中引入L2正则化来避免网络过拟合.将网络第10层和第11层,第12层和第13层,第15层和第16层,第17层和第18层改为4个残差块,解决反向传播权值更新时梯度消失问题.从CI-FAR-10数据集上取20000张图片,经128×128尺寸变换后分别添加高斯噪声、泊松噪声、盐噪声和斑点噪声,对每张图片依类别进行One-hot编码,最后将图片和标签制作成训练集、验证集和测试集.4种算法实验结果对比表明,改进的Darknet网络对彩色噪声图像分类准确率可达0.904,远高于其他3种算法分类准确率.
文献关键词：
图像分类;噪声图像;Darknet;卷积神经网络;残差网络
中图分类号：
作者姓名：
周旭;杨静;张秀华;溥江
作者机构：
贵州大学 机械工程学院,贵阳 550000;贵州大学现代制造技术教育部重点实验室,贵阳 550000;贵州民族大学机械电子工程学院,贵阳 550000
文献出处：
引用格式：
[1]周旭;杨静;张秀华;溥江-.改进的Darknet噪声图像分类网络)[J].电光与控制,2022(12):78-82
A类：
passthrough
B类：
Darknet,噪声图像,图像分类网络,图像分类算法,去掉,卷积层,卷积核,核数,Softmax,Dropout,L2,正则化,过拟合,残差块,反向传播,传播权,权值,梯度消失,FAR,高斯噪声,泊松噪声,斑点噪声,每张,One,hot,训练集,验证集,测试集,结果对比,色噪声,分类准确率,算法分类,残差网络
AB值：
0.420342
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
