论文研究基于改进深度孪生网络的分类器及其应用.pdf

孪生神经网络由两组共享参数的孪生神经网络组成，可对高维度非线性的数据进行低维度映射，其在低维特征空间中变得可分。利用其优异的相似度计算性能，针对像交通标志识别这样具有复杂环境条件的分类问题，提出并设计基于孪生神经网络结构的高效分类器。采用卷积神经网络作为其基本构成，运用max-pooling，dropout等技术形成特征提取所需的多尺度卷积神经网络。同时辅助以空间变换器网络来进一步提高识别的准确率。通过对GTSRB交通标志数据集进行测试，其识别的准确率达到了99.40%。该分类器方法同时具备了结构简单、训练时间短、准确率高以及识别速度快的优点。