發(fā)布時(shí)間：2017-11-08 21:33

  本文關(guān)鍵詞：基于HOG的目標(biāo)分類(lèi)特征深度學(xué)習(xí)模型

  更多相關(guān)文章： 計(jì)算機(jī)視覺(jué) 目標(biāo)分類(lèi) 方向梯度直方圖特征 棧式自編碼器 深度學(xué)習(xí)

【摘要】：為提高低配置計(jì)算環(huán)境中的視覺(jué)目標(biāo)實(shí)時(shí)在線分類(lèi)特征提取的時(shí)效性和分類(lèi)準(zhǔn)確率,提出一種新的目標(biāo)分類(lèi)特征深度學(xué)習(xí)模型。根據(jù)高時(shí)效性要求,選用分類(lèi)器模型離線深度學(xué)習(xí)的策略,以節(jié)約在線訓(xùn)練時(shí)間。針對(duì)網(wǎng)絡(luò)深度受限和高識(shí)別率要求,提取圖像的局部方向梯度直方圖(HOG)特征,構(gòu)建稀疏自編碼器棧對(duì)HOG特征進(jìn)行深層次編碼,設(shè)計(jì)Softmax多分類(lèi)器對(duì)所抽取的特征進(jìn)行分類(lèi)。在深度神經(jīng)網(wǎng)絡(luò)模型學(xué)習(xí)過(guò)程中,引入最小化各層結(jié)構(gòu)風(fēng)險(xiǎn)和微調(diào)全網(wǎng)參數(shù)的二階段最優(yōu)化策略。利用場(chǎng)景圖像庫(kù)Caltech101和手寫(xiě)數(shù)字庫(kù)MNIST的訓(xùn)練樣本與測(cè)試樣本進(jìn)行對(duì)比實(shí)驗(yàn),結(jié)果表明,該模型在局部特征提取方面的時(shí)效優(yōu)于單層卷積神經(jīng)網(wǎng)絡(luò)(CNN)模型,分類(lèi)準(zhǔn)確率高于CNN、棧式自編碼器等對(duì)比模型。
【作者單位】： 重慶工商大學(xué)電子商務(wù)及供應(yīng)鏈系統(tǒng)重慶市重點(diǎn)實(shí)驗(yàn)室;重慶工商大學(xué)重慶市檢測(cè)控制集成系統(tǒng)工程實(shí)驗(yàn)室;重慶工商大學(xué)計(jì)算機(jī)科學(xué)與信息工程學(xué)院;重慶工商大學(xué)圖書(shū)館;
【基金】：重慶市教委科學(xué)技術(shù)研究計(jì)劃項(xiàng)目(KJ1400612)
【分類(lèi)號(hào)】：TP391.41
【正文快照】： 0概述務(wù)的模型參數(shù),但這樣學(xué)習(xí)容易忽視訓(xùn)練樣本中出計(jì)算機(jī)視覺(jué)中的目標(biāo)在線實(shí)時(shí)跟蹤與分類(lèi),需要現(xiàn)頻次較低、而對(duì)預(yù)測(cè)任務(wù)又產(chǎn)生重要影響的數(shù)據(jù)快捷準(zhǔn)確提取目標(biāo)的特征。層次特征的深度學(xué)習(xí)[1-3]特征,從而降低了模型的泛化能力。是人們近年來(lái)研究的熱點(diǎn),它可以彌補(bǔ)單一的人工

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 王強(qiáng)光;伍鐵軍;;智能監(jiān)控系統(tǒng)中的運(yùn)動(dòng)目標(biāo)分類(lèi)方法研究[J];工業(yè)控制計(jì)算機(jī);2011年01期

2 劉佶鑫;孫權(quán)森;曹?chē)?guó);;壓縮感知稀疏識(shí)別用于多視角圖像目標(biāo)分類(lèi)[J];應(yīng)用科學(xué)學(xué)報(bào);2013年02期

3 李占闖;肖國(guó)強(qiáng);代毅;邱開(kāi)金;;基于SVM輸出概率和后置濾波的運(yùn)動(dòng)目標(biāo)分類(lèi)[J];計(jì)算機(jī)應(yīng)用研究;2010年02期

4 王曉靜;原達(dá);李道凱;;基于Krawtchouk矩的運(yùn)動(dòng)目標(biāo)分類(lèi)[J];計(jì)算機(jī)工程與設(shè)計(jì);2012年05期

5 李志華;李秋巒;;連續(xù)跟蹤狀態(tài)下基于可分性特征的目標(biāo)優(yōu)化分類(lèi)[J];計(jì)算機(jī)應(yīng)用;2014年05期

6 陳海林;吳秀清;胡俊華;;基于局部特征空間相關(guān)核的圖像目標(biāo)分類(lèi)[J];光電工程;2009年03期

7 王怡;王夏黎;周明全;李丙春;;一種基于近似支撐矢量機(jī)(PSVM)的交通目標(biāo)分類(lèi)方法[J];計(jì)算機(jī)應(yīng)用與軟件;2005年12期

8 朱道廣;李弼程;;一種基于隨機(jī)化視覺(jué)詞匯和聚類(lèi)集成目標(biāo)分類(lèi)[J];太赫茲科學(xué)與電子信息學(xué)報(bào);2014年02期

9 王燕玲;李廣倫;林曉;;基于跟蹤特征的多運(yùn)動(dòng)目標(biāo)分類(lèi)算法[J];中國(guó)體視學(xué)與圖像分析;2014年02期

10 桑農(nóng)，魏智，，陳銘節(jié)，彭嘉雄;一種基于線性最小平方映射的目標(biāo)分類(lèi)算法[J];數(shù)據(jù)采集與處理;1996年01期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前1條

1 王曉靜;原達(dá);李道凱;;應(yīng)用Krawtchouk矩和SVM的運(yùn)動(dòng)目標(biāo)分類(lèi)技術(shù)[A];第五屆全國(guó)幾何設(shè)計(jì)與計(jì)算學(xué)術(shù)會(huì)議論文集[C];2011年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 梁鵬;基于內(nèi)容的目標(biāo)分類(lèi)識(shí)別關(guān)鍵技術(shù)研究[D];華南理工大學(xué);2011年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 都期望;基于MPEG-7標(biāo)準(zhǔn)的海上移動(dòng)目標(biāo)分類(lèi)方法研究[D];大連海事大學(xué);2016年

2 胡碧瑩;基于稀疏表示的圖像目標(biāo)分類(lèi)方法研究[D];北京交通大學(xué);2016年

3 田彬;視頻監(jiān)控中運(yùn)動(dòng)目標(biāo)分類(lèi)方法研究[D];山東輕工業(yè)學(xué)院;2010年

4 包日快;視頻中多運(yùn)動(dòng)目標(biāo)分類(lèi)的研究[D];浙江工業(yè)大學(xué);2011年

5 屈璐;基于特征模型相似性的運(yùn)動(dòng)目標(biāo)分類(lèi)[D];吉林大學(xué);2011年

6 馮柯;交通視頻中視點(diǎn)無(wú)關(guān)目標(biāo)分類(lèi)與檢索方法研究[D];杭州電子科技大學(xué);2009年

7 劉麗麗;基于形狀特征的運(yùn)動(dòng)目標(biāo)分類(lèi)方法研究[D];湖南大學(xué);2006年

8 陳大海;智能視頻監(jiān)控系統(tǒng)中目標(biāo)分類(lèi)技術(shù)研究與應(yīng)用[D];廣西大學(xué);2011年

9 郭倩;基于視覺(jué)詞包模型的大規(guī)模目標(biāo)分類(lèi)和檢索[D];河南大學(xué);2015年

10 董剛;視覺(jué)監(jiān)控中的運(yùn)動(dòng)目標(biāo)分類(lèi)方法[D];吉林大學(xué);2008年

本文編號(hào)：1158873