Indexed by：
Abstract：
随着对CNN(卷积神经网络)准确率要求的提高,CNN被设计的越来越深,训练CNN所需的数据量也相应的呈指数级增长,进而导致训练CNN的时间大幅提高,训练CNN的设备要求也越来越高.为了解决这个问题,本文使用主成分分析的方法对输入CNN的图像进行降维处理,降维后的图像与原图像相比,虽然数据量变小了,但是却保留了图像的主要信息;然后使用本文设计的2层CNN进行处理.为验证该方法的有效性,在本文的实验中设计了多个对比试验,发现该方法可在损失少量准确率的情况下大幅降低训练所需的时间.
Keyword：
Reprint Author's Address：
Email：
Source ：
科学技术创新
ISSN： 1673-1328
Year： 2020
Issue： 30
Page： 99-101
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 1
Affiliated Colleges：
