作者：孙振华; 李新德卷积神经网络多标签飞机识别深度学习
摘要：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%。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
