PSdropout 卷积神经网络在危化品巡检车中的应用

危化品仓储环境复杂多变,基于卷积神经网络的视觉巡检车需要快速的训练方法以便适用不同的环境,提高卷积神经网络的训练速度是当前亟待解决的问题。迅速在网络中提取有效的神经元,是提高算法训练速度的关键。传统的算法中,全链接层神经元的去留问题通常采用基于伯努力分布假设的Dropout方法,本文提出一种基于泊松分布的Dropout方法。理论上看,在充分利用神经元历史行为的基础上,基于泊松分布与基于伯努力分布的最大似然函数类似。实验结果表明,在保持正确率的情况下,训练提前收敛,节约了训练时间。