TY -的A2 Duong阮富仲h . AU - Li Na盟——赵Xinbo AU -杨,永嘉县盟——邹,小春就PY - 2016 DA - 2016/10/10 TI -分类的对象上优于视觉显著模型和卷积神经网络SP - 7942501六世- 2016 AB -人类可以轻松分类不同类型的对象而对电脑很困难。作为一个热点和难点问题,对象分类已经收到广泛的利益与广阔前景。由神经科学的启发,提出了深度学习的概念。卷积神经网络(CNN)的深度学习的方法可以用来解决分类问题。但最深度学习的方法,包括CNN,忽略了人类视觉信息处理机制,当一个人被分类对象。因此,在本文中,激励完成处理,人类分类不同类型的对象,我们带来一个新的分类方法相结合的视觉注意力模型和CNN。首先,我们使用视觉注意力模型来模拟人类视觉选择的处理机制。其次,我们使用CNN来模拟人类如何选择特性的处理和提取这些选定地区的地方特色。最后,我们的分类方法不仅依赖于这些地方特色,但也增加了人类语义特征对对象进行分类。我们在生物学分类方法有明显优势。 Experimental results demonstrated that our method made the efficiency of classification improve significantly. SN - 1687-5265 UR - https://doi.org/10.1155/2016/7942501 DO - 10.1155/2016/7942501 JF - Computational Intelligence and Neuroscience PB - Hindawi Publishing Corporation KW - ER -