具有动态相关池的卷积神经网络

提出了一种基于马氏距离的动态相关池化方法，以提高图像识别的准确性。 所提出的相关技术利用图像相邻像素之间的相关信息，并将其应用于Lenet-5卷积神经网络模型，该模型的性能分别在MMIST，USPS和CIFAR-10的数据集上进行了测试。 实证研究表明，与最大池，平均池，随机池和混合池相比，该方法能提高收敛速度和识别精度。