隨著人工智能的迅速發(fā)展,深度學(xué)習(xí)方法結(jié)合圖像處理技術(shù)已廣泛應(yīng)用到日常生活的各個(gè)方面。本文針對(duì)家具圖像數(shù)據(jù)的多樣性和復(fù)雜性,以基于特征融合的卷積神經(jīng)網(wǎng)絡(luò)家具圖像分類技術(shù)為題,重點(diǎn)研究了家具圖像的預(yù)處理、家具局部特征提取及基于卷積神經(jīng)網(wǎng)絡(luò)的特征融合、細(xì)粒度家具圖像分類等內(nèi)容。論文主要工作包括:1.家具圖像預(yù)處理方面,首先針對(duì)采集到的家具圖像因背景雜亂制約了卷積神經(jīng)網(wǎng)絡(luò)的分類性能的問題,本文利用GrabCut算法先對(duì)家具圖像進(jìn)行背景分割。然后為自動(dòng)生成適于卷積神經(jīng)網(wǎng)絡(luò)的尺寸歸一化數(shù)據(jù),利用檢測(cè)到的家具輪廓寬高與目標(biāo)生成圖像寬高之間的幾何關(guān)系,進(jìn)行等比例縮放,使其尺度歸一化,再按規(guī)則命名寫入到指定的文件目錄下。該預(yù)處理自動(dòng)化過程有效降低了手動(dòng)處理家具圖像的工作量。2.家具圖像局部特征提取及基于卷積神經(jīng)網(wǎng)絡(luò)的特征融合方面,基于AlexNet卷積神經(jīng)網(wǎng)絡(luò)模型提出將LBP、HOG局部特征在全連接層與全局特征進(jìn)行融合的特征融合算法,并研究了融合權(quán)重的學(xué)習(xí)算法。仿真結(jié)果表明本文特征融合算法能夠更好的描述圖像的基本特征,提高家具圖像分類的準(zhǔn)確率。3.針對(duì)相似家具間的分類準(zhǔn)確率較低的問題提出一種改進(jìn)的細(xì)粒度... 

【文章來源】：南京郵電大學(xué)江蘇省

【文章頁數(shù)】：61 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

采集到的家具廠商家具圖像

大學(xué)專業(yè)學(xué)位碩士研究生學(xué)位論文 第二章 家具圖像數(shù)據(jù)來源及章 家具圖像數(shù)據(jù)來源及特點(diǎn)具圖像數(shù)據(jù)來源所用的家具圖像數(shù)據(jù)集是自制的數(shù)據(jù)集，其數(shù)據(jù)分別來源于家具廠商、百度圖上采集到的家具圖像。圖 2.1 是某廠家提供的部分圖像數(shù)據(jù)，圖 2.2 是采集到的 ，圖 2.3 是采集到的谷歌家具圖像。

谷歌圖像上采集到的家具圖像。圖 2.1 是某廠家提供的部分圖像數(shù)據(jù)，圖 2.2 是采集到的百度家具圖像 ，圖 2.3 是采集到的谷歌家具圖像。圖 2.1 家具廠商采集到的圖像

【參考文獻(xiàn)】：
期刊論文
[1]基于多核學(xué)習(xí)特征融合的語音情感識(shí)別方法[J]. 王忠民,劉戈,宋輝.  計(jì)算機(jī)工程. 2019(08)
[2]基于雙線性軟化模型魯灰花崗巖斷裂特征研究[J]. 林建偉,高經(jīng)武,武晉文,王學(xué)懷,呂琪.  中北大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(03)
[3]深度學(xué)習(xí)在圖像識(shí)別中的應(yīng)用研究綜述[J]. 鄭遠(yuǎn)攀,李廣陽,李曄.  計(jì)算機(jī)工程與應(yīng)用. 2019(12)
[4]信息熵加權(quán)的HOG特征提取算法研究[J]. 林克正,張?jiān)?李昊天.  計(jì)算機(jī)工程與應(yīng)用. 2020(06)
[5]卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展及其在計(jì)算機(jī)視覺領(lǐng)域中的應(yīng)用綜述[J]. 陳超,齊峰.  計(jì)算機(jī)科學(xué). 2019(03)
[6]基于改進(jìn)多尺度LBP算法的肝臟CT圖像特征提取方法[J]. 劉曉虹,朱玉全,劉哲,宋余慶,朱彥,袁德琪.  計(jì)算機(jī)科學(xué). 2019(03)
[7]基于非歸一化直方圖的GrabCut圖像分割算法改進(jìn)[J]. 孔顯,馬曉珂.  計(jì)算機(jī)應(yīng)用研究. 2020(05)
[8]融合局部紋理特征的核密度估計(jì)運(yùn)動(dòng)目標(biāo)檢測(cè)[J]. 金靜,黨建武,翟鳳文,王陽萍,申東,張振海.  吉林大學(xué)學(xué)報(bào)(工學(xué)版). 2019(02)
[9]基于SIFT和HOG特征融合的人體行為識(shí)別方法[J]. 韓欣欣,葉奇玲.  計(jì)算機(jī)技術(shù)與發(fā)展. 2019(06)
[10]基于多尺度卷積特征融合的行人重識(shí)別[J]. 徐龍壯,彭力.  激光與光電子學(xué)進(jìn)展. 2019(14)

博士論文
[1]產(chǎn)品表面質(zhì)量視覺檢測(cè)時(shí)頻分析方法研究及其系統(tǒng)實(shí)現(xiàn)[D]. 李安定.華中科技大學(xué) 2017
[2]關(guān)于互聯(lián)網(wǎng)視覺媒體若干問題的研究和應(yīng)用[D]. 胡珍珍.合肥工業(yè)大學(xué) 2014

碩士論文
[1]卷積神經(jīng)網(wǎng)絡(luò)在糖尿病性視網(wǎng)膜病變分類中的研究與應(yīng)用[D]. 楊松霖.華中科技大學(xué) 2019
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的極光圖像及極光序列分類研究[D]. 劉彬.南京郵電大學(xué) 2018
[3]基于模式識(shí)別技術(shù)的立體足跡步態(tài)特征提取與分類[D]. 孫晗.中國(guó)人民公安大學(xué) 2018
[4]基于CNN一體化的目標(biāo)識(shí)別、定位、檢測(cè)[D]. 饒江浩.中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院光電技術(shù)研究所) 2018
[5]基于深度學(xué)習(xí)的臺(tái)標(biāo)檢測(cè)算法設(shè)計(jì)及實(shí)現(xiàn)[D]. 劉混.西安建筑科技大學(xué) 2018
[6]基于Jetson TX1的人臉識(shí)別算法的研究與實(shí)現(xiàn)[D]. 毛禮建.杭州電子科技大學(xué) 2018
[7]基于深度學(xué)習(xí)的菜品圖像分類方法研究[D]. 陳雅麗.電子科技大學(xué) 2018
[8]基于VGGNet深度卷積特征的人臉表情識(shí)別方法研究[D]. 楊文杰.廣東工業(yè)大學(xué) 2018
[9]基于深度學(xué)習(xí)的程序識(shí)別算法的優(yōu)化[D]. 李趙迪.西安電子科技大學(xué) 2018
[10]基于深度學(xué)習(xí)的工業(yè)移動(dòng)機(jī)器人視覺導(dǎo)航系統(tǒng)設(shè)計(jì)與研究[D]. 洪華鋒.華南理工大學(xué) 2018



本文編號(hào)：2993977