用于目标识别的 Inception 循环卷积神经网络
计算机视觉与模式识别
2017-04-26 v1
摘要
深度卷积神经网络（DCNNs）是解决机器学习和计算机视觉领域各种问题的有力工具。在本文中，我们介绍了一种名为 Inception-循环卷积神经网络（IRCNN）的新深度学习模型，该模型在 DCNN 架构中结合了 Inception 网络与循环层的优势。我们使用 MNIST、CIFAR-10、CIFAR-100 和 SVHN 等不同基准数据集，对提出的 IRCNN 模型的识别性能进行了实证评估。实验结果表明，与包括 RCNN 在内的大多数流行 DCNN 相比，该模型具有相似或更高的识别准确率。此外，我们利用 CIFAR-100 数据集研究了 IRCNN 与等效 Inception 网络和 Inception-残差网络的性能对比。报告显示，在增强后的 CIFAR-100 数据集上，与 RCNN、等效 Inception 网络和 Inception-残差网络相比，分类准确率分别提高了约 3.5%、3.47% 和 2.54%。
引用
@article{arxiv.1704.07709,
title = {Inception Recurrent Convolutional Neural Network for Object Recognition},
author = {Md Zahangir Alom and Mahmudul Hasan and Chris Yakopcic and Tarek M. Taha},
journal= {arXiv preprint arXiv:1704.07709},
year = {2017}
}
备注
11 pages, 10 figures, 2 tables