圖像識別通過提取圖像中蘊含的特征信息,自動識別不同類別目標(biāo)圖像,是機(jī)器視覺領(lǐng)域的重要部分之一。如何有效地對圖像數(shù)據(jù)進(jìn)行處理、分析、應(yīng)用一直是視覺領(lǐng)域研究的熱點。圖像識別主要包括圖像采集、圖像預(yù)處理、圖像特征提取和圖像識別四個步驟。其中,如何提取表達(dá)能力強、魯棒性強的圖像特征丞待解決。深度卷積網(wǎng)絡(luò)具有強大的非線性擬合能力,使得其在眾多領(lǐng)域應(yīng)用廣泛,例如人臉識別、生物特征識別、合成孔徑雷達(dá)(Synthetic Aperture Radar,SAR)目標(biāo)識別、行人再識別等。深度卷積網(wǎng)絡(luò)較傳統(tǒng)圖像識別方法減少了人工特征設(shè)計干預(yù)部分,通過合理的結(jié)構(gòu)設(shè)計可以實現(xiàn)更為優(yōu)異的性能。但是,針對具體圖像識別任務(wù),如何設(shè)計有效的卷積結(jié)構(gòu)有待探究。本文以人臉美麗、指背關(guān)節(jié)紋和SAR圖像為研究對象,采用深度卷積網(wǎng)絡(luò)進(jìn)行圖像識別研究,研究內(nèi)容主要包括以下三個方面(1)基于BeautyNet的無約束人臉美麗預(yù)測。為提升人臉美麗特征信息豐富度,本文構(gòu)建一個多尺度深度卷積網(wǎng)絡(luò)BeautyNet。BeautyNet融合多分辨率、多尺度人臉美麗特征,提升人臉美麗特征表達(dá)力。為緩解多尺度結(jié)構(gòu)引入的計算量,采用最大特征圖(Max Feature Map,MFM)激活函數(shù)作為非線性單元。MFM激活函數(shù)不僅降低了網(wǎng)絡(luò)參數(shù)計算量,而且加快了模型收斂速度。同時,為緩解小樣本任務(wù)過擬合問題,本文采用遷移學(xué)習(xí)策略遷移大型人臉數(shù)據(jù)庫CASIA-WebFace的人臉信息至人臉美麗預(yù)測任務(wù)。實驗結(jié)果表明,本文融合BeautyNet和遷移學(xué)習(xí)策略較大程度提升了人臉美麗預(yù)測性能。在大型亞洲人臉美麗數(shù)據(jù)庫(Large Scale Facial Beauty Database,LSFBD)上,BeautyNet取得了67.48%的分類準(zhǔn)確率。(2)基于SlimNet的指背關(guān)節(jié)紋識別。設(shè)計了一個SlimNet網(wǎng)絡(luò),用于指背關(guān)節(jié)紋識別任務(wù)。其中,該網(wǎng)絡(luò)采用小尺度卷積塊SlimBlock構(gòu)建網(wǎng)絡(luò)主體,降低了模型計算量。同時,為提升指背關(guān)節(jié)紋(Finger Knuckle Print,FKP)圖像質(zhì)量,在SlimNet訓(xùn)練前對香港理工大學(xué)的Finger-Knuckle-Print數(shù)據(jù)庫進(jìn)行感興趣區(qū)域提取(Region of Interest,ROI)。通過邊緣檢測和矩形窗遍歷搜索,實現(xiàn)FKP圖像ROI的檢測與裁剪。為緩解SlimNet過擬合現(xiàn)象,采用360倍旋轉(zhuǎn)擴(kuò)充數(shù)據(jù)。實驗結(jié)果表明,結(jié)合SlimNet網(wǎng)絡(luò)、ROI提取、旋轉(zhuǎn)數(shù)據(jù)增強三種方法,SlimNet取得最優(yōu)FKP識別性能。SlimNet在左手食指、左手中指、右手食指、右手中指數(shù)據(jù)庫上分別取得了97.65%、97.79%、97.31%、97.96%的識別準(zhǔn)確率。(3)基于MiniNet的SAR目標(biāo)識別。設(shè)計了一個簡單的CNN結(jié)構(gòu),僅通過兩個卷積層實現(xiàn)高效SAR圖像目標(biāo)識別。為降低SAR原始數(shù)據(jù)庫中存在的環(huán)境噪聲干擾,在MiniNet訓(xùn)練前對SAR圖像采用質(zhì)心法進(jìn)行ROI提取。此外,為緩解SAR目標(biāo)識別訓(xùn)練數(shù)據(jù)量不足的問題,對ROI圖像進(jìn)行360倍旋轉(zhuǎn)增強。在實驗設(shè)置方面,探索了訓(xùn)練次數(shù)、卷積核尺寸、網(wǎng)絡(luò)層數(shù)三個因素對SAR目標(biāo)識別準(zhǔn)確率的影響。經(jīng)過模型參數(shù)優(yōu)化,MiniNet在MSTAR數(shù)據(jù)集上取得了97.29%的識別準(zhǔn)確率。
【學(xué)位單位】：五邑大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TP391.41;TP183
【部分圖文】：

多尺度

Conv1 MFM Conv2 MFM Conv9 MFMLabel100575Label 1……源域CASIA-Web數(shù)據(jù)庫的圖像目標(biāo)域LSFBD數(shù)據(jù)庫的圖像Conv10Conv11Label 5Label 1遷移學(xué)習(xí)……多尺度結(jié)構(gòu)Conv10Conv11圖 3-1 多尺度人臉美麗預(yù)測結(jié)構(gòu)Fig.3-1 Multi-scale facial beauty prediction structure5x5,Conv,963x3,Conv,256

含 2718 張女性圖像，“5”類包含 1339 張女性圖像，共計 1 萬張圖像。圖LSFBD 數(shù)據(jù)庫樣例，其中每列圖像從屬于一類，每行圖像美麗度依次增FBD 分布直方圖如圖 3-5。.2 訓(xùn)練配置LSFBD 數(shù)據(jù)庫每個類別圖像按照 9:1 劃分為訓(xùn)練集和測試集，初始學(xué)習(xí) 0.001，batchsize 設(shè)置為 32，網(wǎng)絡(luò)可調(diào)參數(shù)隨機(jī)初始化。完成參數(shù)配置后BeautyNet 網(wǎng)絡(luò)訓(xùn)練。在訓(xùn)練階段，當(dāng)測試準(zhǔn)確率不再上升時，將學(xué)習(xí)率倍，繼續(xù)訓(xùn)練直至測試準(zhǔn)確率不再增加。當(dāng)損失穩(wěn)定不再下降后，測試測準(zhǔn)確率。

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 趙靜;;淺析深度學(xué)習(xí)在圖像識別中的應(yīng)用[J];襄陽職業(yè)技術(shù)學(xué)院學(xué)報;2019年02期

2 劉宣彤;;計算機(jī)圖像識別的智能化處理方法分析[J];科技經(jīng)濟(jì)導(dǎo)刊;2019年11期

3 楊聲英;胡海霞;;計算機(jī)圖像識別的智能化處理技術(shù)瓶頸與突破[J];信息與電腦(理論版);2019年16期

4 閔鵬升;;基于圖像識別的課堂效率監(jiān)測技術(shù)設(shè)想[J];中國新通信;2019年18期

5 李龍洋;吳閱帆;;淺談計算機(jī)圖像識別的智能化處理方法[J];計算機(jī)產(chǎn)品與流通;2019年11期

6 劉飛;張俊然;楊豪;;基于深度學(xué)習(xí)的醫(yī)學(xué)圖像識別研究進(jìn)展[J];中國生物醫(yī)學(xué)工程學(xué)報;2018年01期

7 陳凱;;人工“智能”圖像識別[J];中國信息技術(shù)教育;2017年Z2期

8 于婷;;計算機(jī)圖像識別的智能化處理技術(shù)瓶頸與突破[J];信息與電腦(理論版);2018年21期

9 陳健軍;張俊杰;袁俊來;劉玉彤;王阿川;;學(xué)校食堂菜品圖像識別方法研究[J];黑龍江科技信息;2017年14期

10 龐鴻宇;劉益成;;智能錢幣分類整理機(jī)[J];科學(xué)中國人;2017年03期

相關(guān)會議論文 前10條

1 許西丹;武杰;;基于耦合深度信念網(wǎng)絡(luò)的圖像識別方法[A];第十五屆中國體視學(xué)與圖像分析學(xué)術(shù)會議論文集[C];2017年

2 姜洪臣;任曉磊;趙耀宏;徐波;;基于音頻語譜圖像識別的廣告檢索[A];第十一屆全國人機(jī)語音通訊學(xué)術(shù)會議論文集（二）[C];2011年

3 許開宇;徐志京;鄭華耀;;基于小波變換的圖像識別研究[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

4 滕達(dá);宋曉;龔光紅;韓亮;王義;王江云;;深度神經(jīng)網(wǎng)絡(luò)圖像識別魯棒性增強方法研究[A];第十四屆中國體視學(xué)與圖像分析學(xué)術(shù)會議論文集[C];2015年

5 李靈;;情景智能圖像識別和數(shù)字化處理技術(shù)在型式評價試驗中的運用[A];2013年江蘇省計量測試學(xué)會學(xué)術(shù)會議論文集[C];2013年

6 譚璐;易東云;吳翊;袁偉;;基于非線性降維方法的圖像識別[A];第一屆全國Web信息系統(tǒng)及其應(yīng)用會議（WISA2004）論文集[C];2004年

7 ;電腦認(rèn)人超過人類[A];《科學(xué)與現(xiàn)代化》2015年第1期（總第062期）[C];2015年

8 劉翠響;孫以材;張艷;于明;;基于三控制要素的多項式模糊擬合在人臉圖像識別中的應(yīng)用[A];第25屆中國控制會議論文集（下冊）[C];2006年

9 劉卓夫;廖振鵬;桑恩方;;頻域分形法在聲納圖像識別中的應(yīng)用[A];第十二屆全國信號處理學(xué)術(shù)年會（CCSP-2005）論文集[C];2005年

10 李寶儒;孫鳳杰;范杰清;;基于煙氣圖像識別的火災(zāi)探測方法[A];圖像圖形技術(shù)研究與應(yīng)用2009——第四屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2009年

相關(guān)重要報紙文章 前10條

1 本報記者 孫嘯 通訊員 張振東;大霧圖像識別 歸鄉(xiāng)又添“快車道”[N];中國氣象報;2020年

2 本報記者 沈勇青;莞企站上圖像識別風(fēng)口[N];東莞日報;2018年

3 王眾;看“像”的NEC[N];計算機(jī)世界;2016年

4 ;2017年，人工智能將在這些方面帶來震撼[N];電腦報;2017年

5 本報記者 吳艷;人工智能：創(chuàng)新是市場“密鑰”[N];中國知識產(chǎn)權(quán)報;2017年

6 本報記者 陳靜;人工智能：大步流星 聚力前行[N];經(jīng)濟(jì)日報;2017年

7 本報記者 何曉亮;“AI+醫(yī)療”：人工智能落地的第一只靴子？[N];科技日報;2017年

8 本報記者 王洋;國產(chǎn)電視從便捷到“聰明”[N];消費日報;2017年

9 中國經(jīng)濟(jì)導(dǎo)報記者 荊文娜;人工智能“涉足”醫(yī)療資源下沉基層[N];中國經(jīng)濟(jì)導(dǎo)報;2017年

10 王月 成都媒體人;別人剛學(xué)會圖像識別，谷歌已經(jīng)開始識別視頻了[N];電腦報;2017年

相關(guān)博士學(xué)位論文 前10條

1 王璨;基于機(jī)器學(xué)習(xí)的農(nóng)業(yè)圖像識別與光譜檢測方法研究[D];山西農(nóng)業(yè)大學(xué);2018年

2 冉瑞生;一些矩陣計算問題及其在圖像識別中的應(yīng)用研究[D];電子科技大學(xué);2006年

3 孫權(quán)森;基于相關(guān)投影分析的特征抽取與圖像識別研究[D];南京理工大學(xué);2006年

4 胡元奎;可變光照和可變姿態(tài)條件下的人臉圖像識別研究[D];中國科學(xué)技術(shù)大學(xué);2006年

5 謝鉉洋;SARS醫(yī)學(xué)圖像識別與輔助診斷研究[D];中國科學(xué)技術(shù)大學(xué);2006年

6 劉軍;人臉圖像識別關(guān)鍵技術(shù)的研究[D];北京郵電大學(xué);2015年

7 王宇e

本文編號：2823105