發(fā)布時間：2018-01-17 00:31

  本文關(guān)鍵詞：圖像分類卷積神經(jīng)網(wǎng)絡(luò)的特征選擇模型壓縮方法（英文）　出處：《控制理論與應(yīng)用》2017年06期 　論文類型：期刊論文

  更多相關(guān)文章： 卷積神經(jīng)網(wǎng)絡(luò) 圖像分類 特征提取 特征選擇 模型壓縮

【摘要】：深度卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural networks,CNN)作為特征提取器(feature extractor,CNN-FE)已被廣泛應(yīng)用于許多領(lǐng)域并獲得顯著成功.根據(jù)研究評測可知CNN-FE具有大量參數(shù),這大大限制了CNN-FE在如智能手機(jī)這樣的內(nèi)存有限的設(shè)備上的應(yīng)用.本文以AlexNet卷積神經(jīng)網(wǎng)絡(luò)特征提取器為研究對象,面向圖像分類問題,在保持圖像分類性能幾乎不變的情況下減少CNN-FE模型參數(shù)量.通過對AlexNet各層參數(shù)分布的詳細(xì)分析,作者發(fā)現(xiàn)其全連接層包含了大約99%的模型參數(shù),在圖像分類類別較少的情況,AlexNet提取的特征存在冗余.因此,將CNN-FE模型壓縮問題轉(zhuǎn)化為深度特征選擇問題,聯(lián)合考慮分類準(zhǔn)確率和壓縮率,本文提出了一種新的基于互信息量的特征選擇方法,實現(xiàn)CNN-FE模型壓縮.在公開場景分類數(shù)據(jù)庫以及自建的無線膠囊內(nèi)窺鏡(wireless capsule endoscope,WCE)氣泡圖片數(shù)據(jù)庫上進(jìn)行圖像分類實驗.結(jié)果表明本文提出的CNN-FE模型壓縮方法減少了約83%的AlexNet模型參數(shù)且其分類準(zhǔn)確率幾乎保持不變.
[Abstract]:CNN - FE is widely used in many fields and has been successfully applied as feature extractor ( CNN - FE ) . According to the study , we can find that CNN - FE has a lot of parameters , which greatly limits the application of CNN - FE in a limited memory such as smart phone .

【作者單位】： 北京大學(xué)信息工程學(xué)院現(xiàn)代信號與數(shù)據(jù)處理實驗室;
【基金】：Supported by Shenzhen Science&Technology Fundamental Research Program(JCYJ20150430162332418)
【分類號】：TP183;TP391.41
【正文快照】： 1 Introductionclassification task with small number of categories.First-Undoubtedly,the outstanding performance of con-ly,the distribution of parameters in Alex Net--FE is care-volutional neural networks(CNN)in Image Net2012fully analyzed,and it is found

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 朱峗,吳煒;圖像分類中變形決策樹的應(yīng)用[J];計算機(jī)工程與應(yīng)用;2004年21期

2 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)代計算機(jī)(專業(yè)版);2005年01期

3 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

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

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

6 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(自然科學(xué)版);2008年03期

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

8 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];計算機(jī)應(yīng)用;2011年01期

9 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;2011年08期

10 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

相關(guān)會議論文 前9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 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屆全國普適計算學(xué)術(shù)會議（PCC2010）論文集[C];2010年

4 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

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

6 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（研究報告篇）[C];2003年

7 吳霜;張一飛;修非;王大玲;鮑玉斌;于戈;;基于興趣點特征提取的醫(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（研究報告篇）[C];2007年

8 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

9 劉杰;杜軍平;;基于Relief-F特征加權(quán)支持向量機(jī)的語義圖像分類[A];2011年中國智能自動化學(xué)術(shù)會議論文集（第一分冊）[C];2011年

相關(guān)博士學(xué)位論文 前10條

1 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

2 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

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

4 孟丹;基于深度學(xué)習(xí)的圖像分類方法研究[D];華東師范大學(xué);2017年

5 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

6 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

7 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

8 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

9 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

10 韓東峰;圖像分類識別中特征及模型的若干問題研究[D];吉林大學(xué);2008年

相關(guān)碩士學(xué)位論文 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

8 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

9 董振宇;基于詞袋模型的圖像分類研究[D];寧波大學(xué);2015年

10 祝軍;基于深度學(xué)習(xí)模型的圖像分類研究[D];寧波大學(xué);2015年

，

本文編號：1435544