本文關(guān)鍵詞： 車標(biāo)分類 車標(biāo)識(shí)別 隨機(jī)森林 支持向量機(jī) 梯度方向直方圖　出處：《計(jì)算機(jī)工程與設(shè)計(jì)》2017年12期 　論文類型：期刊論文

【摘要】：針對(duì)大規(guī)模車標(biāo)圖像的分類難題,提出一種結(jié)合支持向量機(jī)(SVM)和隨機(jī)森林的學(xué)習(xí)方法。采用SVM分類器對(duì)到達(dá)隨機(jī)森林各剖分結(jié)點(diǎn)的數(shù)據(jù)進(jìn)行剖分;對(duì)于分類過程中新增加的類別,采用增量學(xué)習(xí)機(jī)制進(jìn)行再學(xué)習(xí),不需要重新學(xué)習(xí)整個(gè)隨機(jī)森林;提取車標(biāo)圖像的梯度方向直方圖特征,采用提出方法進(jìn)行特征的訓(xùn)練與分類。實(shí)驗(yàn)結(jié)果表明,提出方法對(duì)不同車標(biāo)圖像的識(shí)別率高,尤其是可以對(duì)訓(xùn)練數(shù)據(jù)集中沒有的車標(biāo)類別進(jìn)行高效的增量學(xué)習(xí)。
[Abstract]:In order to solve the problem of large-scale vehicle mark image classification, a learning method combining support vector machine (SVM) and random forest is proposed. SVM classifier is used to partition the data arriving at each subdivision node of random forest. For the newly added categories in the classification process, the incremental learning mechanism is used to re-learn the whole random forest, and the gradient direction histogram feature of the vehicle sign image is extracted. The experimental results show that the proposed method has a high recognition rate for different vehicle logo images, especially for the category of vehicle logo that does not exist in the training data set.
【作者單位】： 中原工學(xué)院信息商務(wù)學(xué)院信息技術(shù)系;鄭州大學(xué)軟件與應(yīng)用科技學(xué)院;
【基金】：國家科技型中小企業(yè)技術(shù)創(chuàng)新基金項(xiàng)目(10C26214102198) 河南省科技攻關(guān)重點(diǎn)計(jì)劃基金項(xiàng)目(122102210563;132102210215) 河南省高等學(xué)校重點(diǎn)科研項(xiàng)目計(jì)劃基金項(xiàng)目(15B520008)
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李建更;高志坤;;隨機(jī)森林:一種重要的腫瘤特征基因選擇法[J];生物物理學(xué)報(bào);2009年01期

2 劉足華;熊惠霖;;基于隨機(jī)森林的目標(biāo)檢測(cè)與定位[J];計(jì)算機(jī)工程;2012年13期

3 董師師;黃哲學(xué);;隨機(jī)森林理論淺析[J];集成技術(shù);2013年01期

4 陳姝;彭小寧;;基于粒子濾波和在線隨機(jī)森林分類的目標(biāo)跟蹤[J];江蘇大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年02期

5 王麗婷;丁曉青;方馳;;基于隨機(jī)森林的人臉關(guān)鍵點(diǎn)精確定位方法[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年04期

6 李建更;高志坤;;隨機(jī)森林針對(duì)小樣本數(shù)據(jù)類權(quán)重設(shè)置[J];計(jì)算機(jī)工程與應(yīng)用;2009年26期

7 吳華芹;;基于訓(xùn)練集劃分的隨機(jī)森林算法[J];科技通報(bào);2013年10期

8 程光;王貴錦;何禮;林行剛;;人體姿勢(shì)估計(jì)中隨機(jī)森林訓(xùn)練算法的并行化[J];計(jì)算機(jī)應(yīng)用研究;2014年05期

9 于延;王建華;;基于云計(jì)算平臺(tái)的隨機(jī)森林算法的研究與實(shí)現(xiàn)[J];科技通報(bào);2013年04期

10 劉永春;宋弘;;基于隨機(jī)森林的乳腺腫瘤診斷研究[J];電視技術(shù);2014年15期

相關(guān)會(huì)議論文 前7條

1 謝程利;王金橋;盧漢清;;核森林及其在目標(biāo)檢測(cè)中的應(yīng)用[A];第六屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2010)、第19屆全國多媒體學(xué)術(shù)會(huì)議（NCMT2010）、第6屆全國人機(jī)交互學(xué)術(shù)會(huì)議（CHCI2010）、第5屆全國普適計(jì)算學(xué)術(shù)會(huì)議（PCC2010）論文集[C];2010年

2 武曉巖;方慶偉;;基因表達(dá)數(shù)據(jù)分析的隨機(jī)森林方法及算法改進(jìn)[A];黑龍江省第十次統(tǒng)計(jì)科學(xué)討論會(huì)論文集[C];2008年

3 左南;李涓子;唐杰;;基于SVM的肖像照片抽取[A];第三屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)議論文集[C];2007年

4 王艦;湯光明;;基于SVM的圖像隱寫檢測(cè)分析[A];第八屆全國信息隱藏與多媒體安全學(xué)術(shù)大會(huì)湖南省計(jì)算機(jī)學(xué)會(huì)第十一屆學(xué)術(shù)年會(huì)論文集[C];2009年

5 楊鎮(zhèn)宇;祝詩平;;基于機(jī)器視覺和SVM的花椒外觀品質(zhì)檢測(cè)[A];2009全國虛擬儀器大會(huì)論文集（二）[C];2009年

6 朱慕華;朱靖波;陳文亮;;面向文本分類的多類別SVM組合方式的比較[A];全國第八屆計(jì)算語言學(xué)聯(lián)合學(xué)術(shù)會(huì)議（JSCL-2005）論文集[C];2005年

7 熊薇薇;梁巍;李莉;黃梅志;;基于混合核函數(shù)SVM的人臉識(shí)別方法研究[A];中國計(jì)量協(xié)會(huì)冶金分會(huì)2011年會(huì)論文集[C];2011年

相關(guān)博士學(xué)位論文 前1條

1 姚登舉;面向醫(yī)學(xué)數(shù)據(jù)的隨機(jī)森林特征選擇及分類方法研究[D];哈爾濱工程大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 賀捷;隨機(jī)森林在文本分類中的應(yīng)用[D];華南理工大學(xué);2015年

2 張文婷;交通環(huán)境下基于改進(jìn)霍夫森林的目標(biāo)檢測(cè)與跟蹤[D];華南理工大學(xué);2015年

3 李強(qiáng);基于多視角特征融合與隨機(jī)森林的蛋白質(zhì)結(jié)晶預(yù)測(cè)[D];南京理工大學(xué);2015年

4 朱玟謙;一種收斂性隨機(jī)森林在人臉檢測(cè)中的應(yīng)用研究[D];武漢理工大學(xué);2015年

5 肖宇;基于序列圖像的手勢(shì)檢測(cè)與識(shí)別算法研究[D];電子科技大學(xué);2014年

6 李慧;一種改進(jìn)的隨機(jī)森林并行分類方法在運(yùn)營商大數(shù)據(jù)的應(yīng)用[D];電子科技大學(xué);2015年

7 趙亞紅;面向多類標(biāo)分類的隨機(jī)森林算法研究[D];哈爾濱工業(yè)大學(xué);2014年

8 丁然;基于隨機(jī)森林大豆籽粒外觀品質(zhì)識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];東北農(nóng)業(yè)大學(xué);2015年

9 邱佳迪;基于隨機(jī)森林的惡意移動(dòng)應(yīng)用動(dòng)態(tài)檢測(cè)方法研究[D];浙江工業(yè)大學(xué);2015年

10 張興;基于Spark大數(shù)據(jù)平臺(tái)的火電廠節(jié)能分析[D];太原理工大學(xué);2016年

，

本文編號(hào)：1498823