模拟初级视觉皮层增强CNN神经网络结构的稳定性

ZHANG Lijuan, HU Mengda, ZHANG Ziwei,JIANG Yutong,LI Dongming

Optics and Precision Engineering(2023)

引用 0|浏览0
暂无评分
摘要
针对卷积网络模型的稳定性能较差,对抗训练方法会使得网络结构过于复杂并占用大量运算资源的问题,提出了一种基于人体视觉神经系统生物特征的卷积神经网络模型改进方法(VVNet).在卷积神经网络的基础上,融合人体视觉的结构特征,在不增加网络层数或保持准确率不变的情况下,提高神经网络面对噪声干扰的稳定性.在数据集Ci-far10上对3种不同神经网络模型(VVNet,VOneNet以及原网络模型)进行测试.实验结果表明,使用VVNet网络模型、VOneNet网络模型和原始的网络模型DenseNet121对四类图像(噪声图像、模糊图像、遮挡图像和饱和曝光图像)的分类准确率进行对比,验证了提出的VVNet网络结构对不同类型图像的分类准确率几乎不变,在使用对抗样本情况下,VVNet网络结构的图像分类准确率提高了约10%.与深度学习网络相比,基于人体视觉系统结构的网络能够在保持准确率的同时有效地提高神经网络的稳定性,并具有可移植性.
更多
查看译文
关键词
primary visual cortex,cnn,robustness,neural network
AI 理解论文
溯源树
样例
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要