基于跨连卷积神经网络的性别分类模型OA北大核心CSCDCSTPCD
A Gender Classification Model Based on Cross-connected Convolutional Neural Networks
为提高性别分类准确率,在传统卷积神经网络(Convolutional neural network, CNN)的基础上,提出一个跨连卷积神经网络(Cross-connected CNN, CCNN)模型。该模型是一个9层的网络结构,包含输入层、6个由卷积层和池化层交错构成的隐含层、全连接层和输出层,其中允许第2个池化层跨过两个层直接与全连接层相连接。在10个人脸数据集上的性别分类实验结果表明,跨连卷积网络的准确率均不低于传统卷积网络。
To improve gender classification accuracy, we propose a cross-connected convolutional neural network (CCNN) based on traditional convolutional neural networks (CNN). The proposed model is a 9-layer structure composed of an input layer, six hidden layers (i.e., three convolutional layers alternating with three pooling layers), a fully-connected layer and an output layer, where the second pooling layer is allowed to directly connect to the fully-connecte…查看全部>>
张婷;李玉鑑;胡海鹤;张亚红
北京工业大学计算机学院 北京 100124北京工业大学计算机学院 北京 100124北京工业大学计算机学院 北京 100124北京工业大学计算机学院 北京 100124
性别分类卷积神经网络跨连卷积神经网络跨层连接
Gender classificationconvolutional neural network (CNN)cross-connected convolutional neural network (CCNN)cross-layer connection
《自动化学报》 2016 (6)
组合凸线性感知器的构造及其应用
858-865,8
国家自然科学基金(61175004),高等学校博士学科点专项科研基金(20121103110029),北京市博士后工作资助项目(2015ZZ-24:Q6007011201501)资助Supported by National Natural Science Foundation of China (61175004), Specialized Research Fund for the Doctoral Program of Higher Education of China (20121103110029), and Project Funding of Postdoctor in Beijing (2015ZZ-24：Q6007011201501)
评论