本文關(guān)鍵詞：果蔬圖像的混合粒度分類(lèi)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：近幾年,隨著機(jī)器視覺(jué)、大數(shù)據(jù)、互聯(lián)網(wǎng)以及人機(jī)交互技術(shù)的發(fā)展,智能家居領(lǐng)域開(kāi)始受到廣泛關(guān)注,其中以智能冰箱的發(fā)展最為顯著。智能冰箱期望實(shí)現(xiàn)食材的保鮮周期、種類(lèi)、數(shù)量識(shí)別以及個(gè)性化食譜推薦等智能化食材管理功能。針對(duì)這一實(shí)際問(wèn)題,機(jī)器視覺(jué)研究中的目標(biāo)檢測(cè)、目標(biāo)分類(lèi)、目標(biāo)識(shí)別與計(jì)數(shù)等方法提供了相應(yīng)的技術(shù)路線。然而,與一般的機(jī)器視覺(jué)任務(wù)不同,這一特定領(lǐng)域的研究需要專(zhuān)門(mén)的圖像數(shù)據(jù)庫(kù)。因此,本文構(gòu)建一個(gè)新的、層次化結(jié)構(gòu)的果蔬原材料圖像數(shù)據(jù)庫(kù),命名為VegFru數(shù)據(jù)庫(kù)。該數(shù)據(jù)庫(kù)的類(lèi)別結(jié)構(gòu)符合人們?nèi)粘５娘嬍澈团腼兞?xí)慣,基本囊括了所有常見(jiàn)的果蔬類(lèi)別。目前,VegFru數(shù)據(jù)庫(kù)包含15大類(lèi),200小類(lèi)蔬菜,10大類(lèi),92小類(lèi)水果。每類(lèi)包含200張以上自然圖片,整個(gè)數(shù)據(jù)庫(kù)包含91,117張蔬菜圖片,69,817張水果圖片,總共160,000張以上圖片。針對(duì)提出的VegFru數(shù)據(jù)庫(kù),首先進(jìn)行基本的混合粒度圖像分類(lèi)研究。為了與其他標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)對(duì)比,本文分別使用傳統(tǒng)特征模型和卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行分類(lèi)研究。傳統(tǒng)分類(lèi)模型使用BOW和SPM相結(jié)合的特征提取框架,首先提取多尺度SIFT和CM作為底層特征,分別進(jìn)行LSA編碼和FV編碼,然后在空間金字塔子區(qū)域內(nèi)進(jìn)行最大池化得到圖像的直方圖表示,最后使用線性分類(lèi)器分別對(duì)蔬菜和水果進(jìn)行分類(lèi)；卷積神經(jīng)網(wǎng)絡(luò)模型則分別給出VegFru數(shù)據(jù)庫(kù)在AlexNet、 CaffeNet以及GoogLeNet三個(gè)網(wǎng)絡(luò)模型中的分類(lèi)結(jié)果。在基本分類(lèi)模型的基礎(chǔ)上,本文提出一個(gè)基于自上而下注意圖分割的混合粒度圖像分類(lèi)模型。首先,在卷積神經(jīng)網(wǎng)絡(luò)模型中引入注意信息,檢測(cè)和分割出圖像的目標(biāo)區(qū)域；然后利用分割圖像學(xué)習(xí)新的網(wǎng)絡(luò)模型得到分割網(wǎng)絡(luò),迫使網(wǎng)絡(luò)關(guān)注圖像的判別性目標(biāo)區(qū)域,從而得到較優(yōu)的初始化權(quán)值；使用原始圖像對(duì)分割網(wǎng)絡(luò)進(jìn)行微調(diào),最后得到的分部訓(xùn)練網(wǎng)絡(luò)不僅能夠充分挖掘圖像的目標(biāo)區(qū)域信息,還能補(bǔ)充分割網(wǎng)絡(luò)遺漏的互補(bǔ)信息,進(jìn)一步提高分類(lèi)性能。綜上所述,本文在智能家居的應(yīng)用背景下,構(gòu)建了一個(gè)特定領(lǐng)域的果蔬原材料混合粒度圖像數(shù)據(jù)庫(kù),給出該數(shù)據(jù)庫(kù)在傳統(tǒng)特征分類(lèi)模型與卷積神經(jīng)網(wǎng)絡(luò)模型中的基本分類(lèi)結(jié)果,并提出一個(gè)新的利用自上而下注意圖分割的分類(lèi)模型,進(jìn)一步提高分類(lèi)正確率。為基于VegFru數(shù)據(jù)庫(kù)的機(jī)器視覺(jué)技術(shù)以及智能冰箱研究提供數(shù)據(jù)來(lái)源和技術(shù)路線,促進(jìn)智能家居、機(jī)器視覺(jué)與智能家居應(yīng)用相結(jié)合的研究和發(fā)展。
【關(guān)鍵詞】：智能家居 混合粒度圖像分類(lèi) 卷積神經(jīng)網(wǎng)絡(luò) 自上而下注意圖 目標(biāo)分割
【學(xué)位授予單位】：中國(guó)科學(xué)技術(shù)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TP391.41
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 緒論10-22
• 1.1 課題背景10-11
• 1.2 課題研究的目的和意義11-12
• 1.3 國(guó)內(nèi)外研究現(xiàn)狀12-20
• 1.3.1 粗粒度圖像分類(lèi)的研究現(xiàn)狀12-14
• 1.3.2 細(xì)粒度圖像分類(lèi)的研究現(xiàn)狀14-17
• 1.3.3 混合粒度圖像分類(lèi)的研究現(xiàn)狀17-20
• 1.4 本課題的目標(biāo)和主要工作20-21
• 1.5 章節(jié)安排21-22
• 第二章 圖像分類(lèi)方法概述22-38
• 2.1 傳統(tǒng)方法概述22-24
• 2.2 編碼策略24-31
• 2.2.1 早期編碼方法24-28
• 2.2.2 LSA編碼28
• 2.2.3 FV編碼28-31
• 2.3 池化策略31-32
• 2.4 卷積神經(jīng)網(wǎng)絡(luò)模型32-37
• 2.4.1 基于AlexNet的卷積神經(jīng)網(wǎng)絡(luò)模型35-36
• 2.4.2 基于GoogLeNet的卷積神經(jīng)網(wǎng)絡(luò)模型36-37
• 2.5 本章小結(jié)37-38
• 第三章 VegFru圖像數(shù)據(jù)庫(kù)38-56
• 3.1 VegFru數(shù)據(jù)庫(kù)概述38
• 3.2 數(shù)據(jù)庫(kù)結(jié)構(gòu)38-40
• 3.2.1 VegFru層次類(lèi)別39
• 3.2.2 VegFru分類(lèi)法39-40
• 3.3 構(gòu)造數(shù)據(jù)庫(kù)40-43
• 3.3.1 構(gòu)造原則41-42
• 3.3.2 圖像搜集42-43
• 3.3.3 圖像整理43
• 3.3.4 圖像劃分43
• 3.4 VeFru與ImageNet43-46
• 3.4.1 數(shù)據(jù)庫(kù)的結(jié)構(gòu)44
• 3.4.2 數(shù)據(jù)庫(kù)的分類(lèi)法44-45
• 3.4.3 圖片的選擇45-46
• 3.5 數(shù)據(jù)庫(kù)應(yīng)用前景和難點(diǎn)46-48
• 3.6 數(shù)據(jù)庫(kù)的基本實(shí)驗(yàn)48-54
• 3.6.1 基于傳統(tǒng)特征模型的基本實(shí)驗(yàn)49-50
• 3.6.2 基于卷積神經(jīng)網(wǎng)絡(luò)模型的基本實(shí)驗(yàn)50-54
• 3.7 本章小結(jié)54-56
• 第四章 基于自上而下注意圖分割的混合粒度圖像分類(lèi)56-64
• 4.1 模型概述56-57
• 4.2 自上而下注意圖的生成57-59
• 4.3 基于注意圖的分割模型59-62
• 4.4 混合粒度圖像分類(lèi)模型62-63
• 4.5 本章小結(jié)63-64
• 第五章 總結(jié)與展望64-66
• 5.1 總結(jié)64-65
• 5.2 展望65-66
• 參考文獻(xiàn)66-72
• 致謝72-74
• 在讀期間發(fā)表的學(xué)術(shù)論文與取得的科研成果74

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 劉玉紅;謝正祥;;圖像挖掘技術(shù)及醫(yī)學(xué)應(yīng)用[J];中國(guó)醫(yī)學(xué)物理學(xué)雜志;2010年01期

2 曹家瑋;;用圖像說(shuō)話[J];藝術(shù)與設(shè)計(jì)(理論);2009年08期

3 付普;;讓你的字體和圖像燃燒起來(lái)[J];Internet信息世界;1999年03期

4 劉筱霞;轉(zhuǎn)換圖像模式以適于輸出[J];印刷世界;2003年06期

5 朱薇;劉利剛;;保色調(diào)的黑白卡通圖像著色方法[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2011年03期

6 許向陽(yáng);張旭亮;李博;;基于顏色屬性相關(guān)性的圖像色差公式的研究[J];包裝工程;2013年13期

7 潘建初;圖像漫談[J];電腦愛(ài)好者;1998年14期

8 王偉,吳玲達(dá),老松楊,王辰;基于示例學(xué)習(xí)的圖像人臉檢測(cè)技術(shù)[J];計(jì)算機(jī)應(yīng)用研究;2002年03期

9 高彥宇;王新平;尹怡欣;;自然風(fēng)景圖像情感標(biāo)識(shí)方法研究[J];小型微型計(jì)算機(jī)系統(tǒng);2011年04期

10 劉毅，劉維獻(xiàn);多媒體圖像數(shù)據(jù)的獲取與顯示[J];山東電子;1998年04期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前3條

1 吳楠;李曉曦;宋方敏;;圖像挖掘及其在醫(yī)學(xué)圖像分類(lèi)中的應(yīng)用[A];2006年全國(guó)理論計(jì)算機(jī)科學(xué)學(xué)術(shù)年會(huì)論文集[C];2006年

2 潘海為;謝曉芹;張煒;李建中;;基于ROI的醫(yī)學(xué)圖像聚類(lèi)算法[A];第二十三屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2006年

3 孫華;;Photoshop軟件在眼科領(lǐng)域的應(yīng)用[A];中華醫(yī)學(xué)會(huì)第十二屆全國(guó)眼科學(xué)術(shù)大會(huì)論文匯編[C];2007年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前8條

1 重慶 楊清德;寬屏幕電視機(jī)圖像模式的選擇[N];電子報(bào);2007年

2 計(jì)算機(jī)世界實(shí)驗(yàn)室 吳挺;高速中進(jìn)取[N];計(jì)算機(jī)世界;2008年

3 山東濰坊學(xué)院 年仁德;上好Photoshop的第一節(jié)課圖片欣賞課[N];中國(guó)電腦教育報(bào);2004年

4 劉全恩;高清投影機(jī)量產(chǎn) 家用市場(chǎng)占兩成[N];中國(guó)電子報(bào);2007年

5 eN書(shū)蟲(chóng);用Photoshop制作燃燒字[N];江蘇經(jīng)濟(jì)報(bào);2000年

6 王林;東芝XV500系列高清首選[N];電子資訊時(shí)報(bào);2008年

7 趙軍紅　編譯;手機(jī)顯微鏡將在非洲試用[N];科技日?qǐng)?bào);2010年

8 ;輕松制作電子詞典的開(kāi)機(jī)畫(huà)面[N];中國(guó)計(jì)算機(jī)報(bào);2004年

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

1 黃明明;圖像局部特征提取及應(yīng)用研究[D];北京科技大學(xué);2016年

2 段曼妮;圖像挖掘在圖像檢索中的應(yīng)用[D];中國(guó)科學(xué)技術(shù)大學(xué);2009年

3 袁承志;風(fēng)格與象征——魏晉南北朝蓮花圖像研究[D];清華大學(xué);2004年

4 秦昆;基于形式概念分析的圖像數(shù)據(jù)挖掘研究[D];武漢大學(xué);2004年

5 蔡濤;面向目標(biāo)識(shí)別的圖像特征融合提取技術(shù)研究[D];中國(guó)人民解放軍國(guó)防科學(xué)技術(shù)大學(xué);2000年

6 韓躍平;復(fù)雜產(chǎn)品內(nèi)部結(jié)構(gòu)裝配正確性X射線自動(dòng)檢測(cè)技術(shù)研究[D];中北大學(xué);2009年

7 曹建芳;場(chǎng)景圖像情感語(yǔ)義分析關(guān)鍵技術(shù)研究[D];太原理工大學(xué);2015年

8 徐望明;面向圖像檢索和分類(lèi)任務(wù)的稀疏特征學(xué)習(xí)[D];武漢科技大學(xué);2013年

9 周海英;基于視覺(jué)認(rèn)知的圖像搜索與識(shí)別關(guān)鍵技術(shù)研究[D];北京科技大學(xué);2015年

10 韓子仲;視象與圖像[D];中國(guó)美術(shù)學(xué)院;2008年

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

1 吳春燕;樹(shù)木葉片滯塵量與反射光譜及圖像特征的關(guān)系研究[D];中國(guó)林業(yè)科學(xué)研究院;2015年

2 李娜;基于SAR圖像的海洋油膜分類(lèi)研究[D];中國(guó)石油大學(xué)(華東);2014年

3 冀鑫;基于矢量量化與LBP的圖像檢索算法研究[D];太原理工大學(xué);2016年

4 陳之凡;西方圖像的中國(guó)形象異化和視覺(jué)文化批判[D];武漢紡織大學(xué);2016年

5 馮語(yǔ)姍;果蔬圖像的混合粒度分類(lèi)研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2016年

6 邱炳瑜;基于內(nèi)容的圖像收集和地區(qū)代表性圖像選出系統(tǒng)的研究與實(shí)現(xiàn)[D];北京郵電大學(xué);2009年

7 史英杰;醫(yī)學(xué)圖像輔助診斷系統(tǒng)中圖像分割技術(shù)的研究[D];華中科技大學(xué);2007年

8 余昌瑾;圖像挖掘技術(shù)研究與應(yīng)用[D];武漢理工大學(xué);2010年

9 陳思坤;醫(yī)學(xué)圖像的自動(dòng)標(biāo)注[D];電子科技大學(xué);2011年

10 白玉超;公共圖像對(duì)中小學(xué)美術(shù)教育的影響[D];廣西師范大學(xué);2014年

  本文關(guān)鍵詞：果蔬圖像的混合粒度分類(lèi)研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：394639