基于改进SAE网络的自然图像分类

针对自然图像分类算法的精度低以及网络训练耗时过长的实际问题,提出了一种结合卷积自动编码器(Convolutional Auto-Encoders,CAE)的改进堆叠自动编码器(Stacked Auto-encoders,SAE)网络。研究了CAE学习局部特征的能力,并将其作为整个SAE网络的第一层。在提取初步特征的同时降低输入的维度,解决了网络参数过多,训练过程慢的问题。同时对改进的SAE网络进行微调,缩减训练时间,并提取更有利于分类的图像高层特征。实验结果表明,改进SAE网络对于自然图像的分类具有更好的普适性,可以有效地提高分类准确度,并加快网络训练速度。