發(fā)布時間：2020-05-18 20:46

【摘要】：圖像分類是計算機(jī)視覺任務(wù)中的重要組成部分,其關(guān)鍵是如何進(jìn)行特征選擇。從使用傳統(tǒng)方法提取圖像的手工特征,到使用卷積神經(jīng)網(wǎng)絡(luò)(CNNs)提取圖像的深度特征,圖像分類結(jié)果得到了顯著提升�，F(xiàn)有的CNNs網(wǎng)絡(luò)中大多采用整張圖像特征作為圖像分類的依據(jù),很少考慮圖像的空間信息,而圖像的空間信息對分類任務(wù)至關(guān)重要。因此,本文考慮應(yīng)用圖像的空間信息來提高分類結(jié)果,并將圖像的空間信息分為顯著信息和背景信息。本文提出了基于多目標(biāo)的弱監(jiān)督定位算法,通過弱監(jiān)督定位算法來獲取熱度圖。在得到熱度圖后,我們進(jìn)一步提出了基于圖像空間信息的特征選擇方法。本文的主要工作有:(1)提出了基于多目標(biāo)的弱監(jiān)督定位算法BCAM(Binary Class Activation Mapping)。針對CAM(Class Activation Mapping)算法在多目標(biāo)數(shù)據(jù)集上定位不準(zhǔn)確的問題進(jìn)行改進(jìn),提出了 BCAM算法。BCAM算法改進(jìn)了 CAM算法的目標(biāo)映射單元和損失函數(shù)。在目標(biāo)映射單元上,BCAM為每一個類別設(shè)置了獨(dú)立的卷積映射單元,將每一個類別作為一個二分類問題。在損失函數(shù)上,為了能為每一個目標(biāo)映射單元計算損失,采用了 BCE(Binary Cross Entropy)損失函數(shù)來優(yōu)化網(wǎng)絡(luò)參數(shù)。通過對比實(shí)驗(yàn),驗(yàn)證了在多目標(biāo)數(shù)據(jù)集上BCAM的定位結(jié)果比CAM算法的定位結(jié)果更準(zhǔn)確。(2)提出了基于圖像空間信息的特征選擇方法。我們依據(jù)弱監(jiān)督定位算法生成的熱度圖進(jìn)行特征選擇,來提取圖像的空間信息,進(jìn)一步根據(jù)熱度圖獲取顯著區(qū)域特征和背景區(qū)域特征,并將不同區(qū)域的特征處理和融合。在特征處理和特征融合中采用了多種方式進(jìn)行實(shí)驗(yàn),最后將融合的特征用于訓(xùn)練SVM分類器。與現(xiàn)有分類算法進(jìn)行的對比實(shí)驗(yàn)證明了我們特征選擇方法的有效性。
【圖文】：

圖２－１邋ＰｏｒＮｅｔ流程圖逡逑Ｆｉｇｕｒｅ邋２－１邋ＰｏｒＮｅｔ邋ｆｌｏｗ邋ｃｈａｒ逡逑

圖２－２具有ＬＳＥ池的３流ＦＣＮ的圖示逡逑Ｆｉｇｕｒｅ邋２－２邋Ｉｌｌｕｓｔｒａｔｉｏｎ邋ｏｆ邋３－ｓｔｒｅａｍ邋ＦＣＮ邋ｗｉｔｈ邋ＬＳＥ邋ｐｏｏｌｉｎｇ逡逑
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 向昌盛;周子英;;基于支持向量機(jī)的混沌時間序列預(yù)測[J];吉首大學(xué)學(xué)報(自然科學(xué)版);2009年06期

相關(guān)碩士學(xué)位論文 前1條

1 周輝;基于深度學(xué)習(xí)的多目標(biāo)跟蹤算法研究[D];電子科技大學(xué);2018年

，

本文編號：2670289