本文關(guān)鍵詞：并行交叉的深度卷積神經(jīng)網(wǎng)絡(luò)模型，，由筆耕文化傳播整理發(fā)布。

【摘要】：目的圖像分類與識別是計(jì)算機(jī)視覺領(lǐng)域的經(jīng)典問題,是圖像檢索、目標(biāo)識別及視頻分析理解等技術(shù)的基礎(chǔ)。目前,基于深度卷積神經(jīng)網(wǎng)絡(luò)(CNN)的模型已經(jīng)在該領(lǐng)域取得了重大突破,其效果遠(yuǎn)遠(yuǎn)超過了傳統(tǒng)的基于手工特征的模型。但很多深度模型神經(jīng)元和參數(shù)規(guī)模巨大,訓(xùn)練困難。為此根據(jù)深度CNN模型和人眼視覺原理,提出并設(shè)計(jì)了一種深度并行交叉CNN模型(PCCNN模型)。方法該模型在Alex-Net基礎(chǔ)上,通過兩條深度CNN數(shù)據(jù)變換流,提取兩組深度CNN特征;在模型頂端,經(jīng)過兩次混合交叉,得到1 024維的圖像特征向量,最后使用Softmax回歸對圖像進(jìn)行分類識別。結(jié)果與同類模型相比,該模型所提取的特征更具判別力,具有更好的分類識別性能;在Caltech101上top1識別精度達(dá)到63%左右,比VGG16高出近5%,比Goog Le Net高出近10%;在Caltech256上top1識別精度達(dá)到46%以上,比VGG16高出近5%,比Goog Le Net高出2.6%。結(jié)論 PCCNN模型用于圖像分類與識別效果顯著,在中等規(guī)模的數(shù)據(jù)集上具有比同類其他模型更好的性能,在大規(guī)模數(shù)據(jù)集上其性能有待于進(jìn)一步驗(yàn)證;該模型也為其他深度CNN模型的設(shè)計(jì)提供了一種新的思路,即在控制深度的同時(shí),提取更多的特征信息,提高深度模型性能。
【作者單位】： 同濟(jì)大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)系;同濟(jì)大學(xué)嵌入式系統(tǒng)與服務(wù)計(jì)算教育部重點(diǎn)實(shí)驗(yàn)室;井岡山大學(xué)數(shù)理學(xué)院;
【關(guān)鍵詞】： 圖像分類 識別 深度CNN Alex-Net 并行交叉國 人眼視覺
【基金】：國家自然科學(xué)基金項(xiàng)目(61472281) 上海市曙光計(jì)劃(12SG23)~~
【分類號】：TP391.41
【正文快照】： 0引言圖像分類與識別技術(shù)是計(jì)算機(jī)視覺領(lǐng)域的一個(gè)經(jīng)典問題,是圖像檢索、目標(biāo)檢測和視頻理解分析等技術(shù)的基礎(chǔ)。一般圖像分類與識別的流程是:將標(biāo)記為不同類別的圖像,通過對圖像進(jìn)行預(yù)處理、提取圖像特征、對特征進(jìn)行編碼,生成能夠表達(dá)圖像的特征向量,然后使用各種分類技術(shù)對特

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前2條

1 程學(xué)旗;靳小龍;王元卓;郭嘉豐;張鐵贏;李國杰;;大數(shù)據(jù)系統(tǒng)和分析技術(shù)綜述[J];軟件學(xué)報(bào);2014年09期

2 鄭胤;陳權(quán)崎;章毓晉;;深度學(xué)習(xí)及其在目標(biāo)和行為識別中的新進(jìn)展[J];中國圖象圖形學(xué)報(bào);2014年02期

【共引文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 曹鈺;;基于區(qū)域信息的深度卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J];電子世界;2017年06期

2 馮艷紅;孫庚;于紅;史鵬輝;秦敬源;;基于大數(shù)據(jù)技術(shù)的智慧教學(xué)模式研究[J];軟件導(dǎo)刊;2017年02期

3 郭偉;余亞華;;大數(shù)據(jù)時(shí)代地方高校OA協(xié)同辦公系統(tǒng)發(fā)展策略研究[J];江漢大學(xué)學(xué)報(bào)(社會科學(xué)版);2017年01期

4 馮東煜;朱立谷;張雷;;Hadoop集群效能建模與評價(jià)[J];中國傳媒大學(xué)學(xué)報(bào)(自然科學(xué)版);2017年01期

5 解麗婷;韓春福;向衡;;地?zé)嵘a(chǎn)大數(shù)據(jù)的精細(xì)化管理[J];化工管理;2017年06期

6 史曉穎;黃彬彬;劉庚;;面向大數(shù)據(jù)可視分析人才培養(yǎng)的創(chuàng)新實(shí)踐課程教學(xué)探討[J];中國教育信息化;2017年04期

7 林植建;陰雷鳴;陳懷琳;;基于網(wǎng)絡(luò)化技術(shù)的工業(yè)洗衣機(jī)改造[J];機(jī)電產(chǎn)品開發(fā)與創(chuàng)新;2017年01期

8 許曉東;趙幸;肖華;卞良;;大數(shù)據(jù)在高校本科教學(xué)評估中的應(yīng)用——以J大學(xué)為例[J];高等工程教育研究;2017年01期

9 葉紅星;;國家大數(shù)據(jù)戰(zhàn)略給圖書情報(bào)領(lǐng)域研究帶來的機(jī)遇[J];圖書館學(xué)研究;2017年02期

10 譚書馨;;大數(shù)據(jù)時(shí)代來臨前的思考[J];企業(yè)改革與管理;2017年02期

【二級參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 孫大為;張廣艷;鄭緯民;;大數(shù)據(jù)流式計(jì)算:關(guān)鍵技術(shù)及系統(tǒng)實(shí)例[J];軟件學(xué)報(bào);2014年04期

2 陳立瑋;馮巖松;趙東巖;;基于弱監(jiān)督學(xué)習(xí)的海量網(wǎng)絡(luò)數(shù)據(jù)關(guān)系抽取[J];計(jì)算機(jī)研究與發(fā)展;2013年09期

3 王元卓;靳小龍;程學(xué)旗;;網(wǎng)絡(luò)大數(shù)據(jù):現(xiàn)狀與展望[J];計(jì)算機(jī)學(xué)報(bào);2013年06期

4 李國杰;程學(xué)旗;;大數(shù)據(jù)研究:未來科技及經(jīng)濟(jì)社會發(fā)展的重大戰(zhàn)略領(lǐng)域——大數(shù)據(jù)的研究現(xiàn)狀與科學(xué)思考[J];中國科學(xué)院院刊;2012年06期

5 鐘秀琴;劉忠;丁盤蘋;;基于混合推理的知識庫的構(gòu)建及其應(yīng)用研究[J];計(jì)算機(jī)學(xué)報(bào);2012年04期

6 程學(xué)旗;郭嘉豐;靳小龍;;網(wǎng)絡(luò)信息的檢索與挖掘回顧[J];中文信息學(xué)報(bào);2011年06期

7 許文艷;劉三陽;;知識庫系統(tǒng)的邏輯基礎(chǔ)[J];計(jì)算機(jī)學(xué)報(bào);2009年11期

8 董振東;董強(qiáng);郝長伶;;知網(wǎng)的理論發(fā)現(xiàn)[J];中文信息學(xué)報(bào);2007年04期

9 梅立軍,周強(qiáng),臧路,陳祖舜;知網(wǎng)與同義詞詞林的信息融合研究[J];中文信息學(xué)報(bào);2005年01期

10 于江生 ,俞士汶;中文概念詞典的結(jié)構(gòu)[J];中文信息學(xué)報(bào);2002年04期

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 陳戲墨,徐紅兵,李志銘,謝鉉洋,李曦,李揚(yáng)彬;數(shù)據(jù)挖掘在醫(yī)學(xué)圖像分類中的應(yīng)用[J];現(xiàn)代計(jì)算機(jī)(專業(yè)版);2005年01期

2 冀翠萍;孟祥增;;基于內(nèi)容的圖像分類體系[J];電腦知識與技術(shù)(學(xué)術(shù)交流);2007年07期

3 楊杰;陳曉云;;圖像分類方法比較研究[J];微計(jì)算機(jī)應(yīng)用;2007年06期

4 楊文潮;姜志堅(jiān);;圖像分類技術(shù)研究[J];福建電腦;2008年08期

5 葛寒娟;邱桃榮;王劍;盧強(qiáng);李北;劉韜;聶斌;;一種基于相容信息粒原理的圖像分類方法[J];廣西師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年03期

6 王軍;王員云;;粒計(jì)算及其在圖像分類中的應(yīng)用研究[J];計(jì)算機(jī)工程與科學(xué);2009年03期

7 吳軍;王士同;;基于正負(fù)模糊規(guī)則的相結(jié)合的圖像分類[J];計(jì)算機(jī)應(yīng)用;2011年01期

8 吳軍;王士同;趙鑫;;正負(fù)模糊規(guī)則系統(tǒng)、極限學(xué)習(xí)機(jī)與圖像分類[J];中國圖象圖形學(xué)報(bào);2011年08期

9 郝永寬;王威;聶維同;王德強(qiáng);;圖像分類與聚類分析[J];數(shù)字技術(shù)與應(yīng)用;2011年12期

10 蔣玲芳;張偉;司夢;;基于詞袋模型的電子報(bào)圖像分類方法研究[J];信陽師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2013年01期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 鄭海紅;曾平;;一種基于圖像分類的逆半調(diào)算法[A];’2004計(jì)算機(jī)應(yīng)用技術(shù)交流會議論文集[C];2004年

2 文振q;歐陽杰;朱為總;;基于語義特征與支持向量機(jī)的圖像分類[A];中國電子學(xué)會第十六屆信息論學(xué)術(shù)年會論文集[C];2009年

3 王海峰;管亮;;基于顏色特征的圖像分類技術(shù)在油品分析中的應(yīng)用[A];中國儀器儀表學(xué)會第六屆青年學(xué)術(shù)會議論文集[C];2004年

4 陳思坤;吳洪;;基于圖分塊并利用空間金字塔的醫(yī)學(xué)圖像分類[A];第六屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2010)、第19屆全國多媒體學(xué)術(shù)會議（NCMT2010）、第6屆全國人機(jī)交互學(xué)術(shù)會議（CHCI2010）、第5屆全國普適計(jì)算學(xué)術(shù)會議（PCC2010）論文集[C];2010年

5 張淑雅;趙曉宇;趙一鳴;李均利;;基于SVM的圖像分類[A];第十三屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2006年

6 李博;韓萍;;基于壓縮感知和SVM的極化SAR圖像分類[A];第二十七屆中國（天津）2013IT、網(wǎng)絡(luò)、信息技術(shù)、電子、儀器儀表創(chuàng)新學(xué)術(shù)會議論文集[C];2013年

7 朱松豪;胡娟娟;孫偉;;基于非歐空間高階統(tǒng)計(jì)的圖像分類方法[A];第25屆中國控制與決策會議論文集[C];2013年

8 潘海為;李建中;張煒;;基于像素聚類的腦部醫(yī)學(xué)圖像分類[A];第二十屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報(bào)告篇）[C];2003年

9 吳霜;張一飛;修非;王大玲;鮑玉斌;于戈;;基于興趣點(diǎn)特征提取的醫(yī)學(xué)圖像分類[A];第二十四屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報(bào)告篇）[C];2007年

10 武進(jìn);尹愷;王長明;張家才;;SVDM在蔬菜病害圖像分類中的應(yīng)用[A];圖像圖形技術(shù)與應(yīng)用進(jìn)展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2008年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 胡堯;基于低秩矩陣估計(jì)的機(jī)器學(xué)習(xí)算法分析[D];浙江大學(xué);2015年

2 李昌英(Ri ChangYong);基于上下文信息的語義圖像分類研究[D];浙江大學(xué);2014年

3 陳博;基于集成學(xué)習(xí)和特征選擇的極化SAR地物分類[D];西安電子科技大學(xué);2015年

4 王曉東;基于稀疏特征學(xué)習(xí)的復(fù)雜圖像分類[D];西安電子科技大學(xué);2014年

5 顧迎節(jié);面向圖像分類的主動(dòng)學(xué)習(xí)算法研究[D];南京理工大學(xué);2015年

6 趙鑫;圖像分類中的判別性增強(qiáng)研究[D];中國科學(xué)技術(shù)大學(xué);2013年

7 楊冰;基于藝術(shù)風(fēng)格的繪畫圖像分類研究[D];浙江大學(xué);2013年

8 丁建睿;基于多示例學(xué)習(xí)的淺表器官超聲圖像分類方法研究[D];哈爾濱工業(yè)大學(xué);2012年

9 賈世杰;基于內(nèi)容的商品圖像分類方法研究[D];大連理工大學(xué);2013年

10 李曉旭;基于概率主題模型的圖像分類和標(biāo)注的研究[D];北京郵電大學(xué);2012年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 張明靜;基于改進(jìn)遺傳算法的分塊綜合特征加權(quán)圖像分類研究[D];華南理工大學(xué);2015年

2 李函怡;融合主動(dòng)學(xué)習(xí)的半監(jiān)督技術(shù)在圖像分類中的應(yīng)用研究[D];西南大學(xué);2015年

3 王亞鳳;基于多特征的主動(dòng)學(xué)習(xí)方法在圖像分類中的應(yīng)用研究[D];河北工程大學(xué);2015年

4 陳榮安;基于改進(jìn)的Bag-of-Features模型的圖像分類研究[D];蘭州大學(xué);2015年

5 鐘畏丹;基于HSV和紋理特征的圖像分類[D];華中師范大學(xué);2015年

6 焦陽;基于主動(dòng)學(xué)習(xí)的多標(biāo)簽圖像分類方法研究[D];蘇州大學(xué);2015年

7 王騰川;基于主動(dòng)學(xué)習(xí)的SAR圖像分類方法研究[D];上海交通大學(xué);2015年

8 NGUYEN QUANG KHANH;基于極化SAR目標(biāo)信息提取與SVM分類[D];哈爾濱工業(yè)大學(xué);2015年

9 王朔琛;基于半監(jiān)督支持向量機(jī)的圖像分類方法研究[D];陜西師范大學(xué);2015年

10 楊東坡;基于深度學(xué)習(xí)的商品圖像分類[D];大連交通大學(xué);2015年

  本文關(guān)鍵詞：并行交叉的深度卷積神經(jīng)網(wǎng)絡(luò)模型，由筆耕文化傳播整理發(fā)布。

本文編號：475304