電子發燒友網>電子資料下載>電子論文>模擬數字論文>如何使用復雜網絡描述進行圖像深度卷積的分類方法介紹

如何使用復雜網絡描述進行圖像深度卷積的分類方法介紹

2474220 2018-12-24 | rar | 0.68 MB | 次下載 | 免費

資料介紹

　　為了在不增加較多計算量的前提下，提高卷積網絡模型用于圖像分類的正確率，提出了一種基于復雜網絡模型描述的圖像深度卷積分類方法。首先，對圖像進行復雜網絡描述，得到不同閾值下的復雜網絡模型度矩陣；然后，在圖像度矩陣描述的基礎上，通過深度卷積網絡得到特征向量；最后，根據得到的特征向量進行K近鄰（KNN）分類。在ILSVRC2014數據庫上進行了驗證實驗，實驗結果表明，所提出的模型具有較高的正確率和較少的迭代次數。

　　紋理是非常重要的圖像識別特征之一，對圖像紋理進行合理描述是圖像分類識別的基礎，圖像紋理包含了非常豐富的圖像信息，可以應用于多種任務，如基于內容的圖像檢索、圖像分割、圖像融合、圖像分類或者聚類等。圖像紋理特征描述的方法主要有基于幾何學的特征描述、基于模型的特征描述、基于信號處理的特征描述，以及基于統計的特征描述。基于復雜網絡模型的紋理特征描述方法屬于基于統計的特征描述的一種，具有穩定性好、抗噪聲能力強等優點。

　　在計算機視覺領域，圖像分類一直是研究的重點之一。傳統基于特征的圖像分類方法都是先定義一種特征，再根據預先定義的特征進行分類識別，存在著泛化能力弱、可移植性差、準確度相對較差的缺點。深度學習作為機器學習的重要發展，能夠逐層地自動學習合適的表示特征，因而在眾多領域中得到了廣泛應用，如人臉特征點檢測、行人檢測、人臉識別和車牌識別等。卷積神經網絡作為深度學習的三大重要模型之一，繼承了深度學習技術自動提取特征的優點，并且通過權值共享大大減少了所需要訓練的參數，使卷積神經網絡（ Convolutional Neural Network．CNN）能快速處理高維圖像，還具備一定的平移不變性，因此在圖像分類領域取得了較好的效果，其在手寫數字識別以及人臉識別方面都被驗證有著較好的性能。