本文關鍵詞：果蔬圖像的混合粒度分類研究，由筆耕文化傳播整理發(fā)布。

【摘要】：近幾年,隨著機器視覺、大數(shù)據(jù)、互聯(lián)網(wǎng)以及人機交互技術的發(fā)展,智能家居領域開始受到廣泛關注,其中以智能冰箱的發(fā)展最為顯著。智能冰箱期望實現(xiàn)食材的保鮮周期、種類、數(shù)量識別以及個性化食譜推薦等智能化食材管理功能。針對這一實際問題,機器視覺研究中的目標檢測、目標分類、目標識別與計數(shù)等方法提供了相應的技術路線。然而,與一般的機器視覺任務不同,這一特定領域的研究需要專門的圖像數(shù)據(jù)庫。因此,本文構建一個新的、層次化結構的果蔬原材料圖像數(shù)據(jù)庫,命名為VegFru數(shù)據(jù)庫。該數(shù)據(jù)庫的類別結構符合人們日常的飲食和烹飪習慣,基本囊括了所有常見的果蔬類別。目前,VegFru數(shù)據(jù)庫包含15大類,200小類蔬菜,10大類,92小類水果。每類包含200張以上自然圖片,整個數(shù)據(jù)庫包含91,117張蔬菜圖片,69,817張水果圖片,總共160,000張以上圖片。針對提出的VegFru數(shù)據(jù)庫,首先進行基本的混合粒度圖像分類研究。為了與其他標準數(shù)據(jù)庫對比,本文分別使用傳統(tǒng)特征模型和卷積神經網(wǎng)絡模型進行分類研究。傳統(tǒng)分類模型使用BOW和SPM相結合的特征提取框架,首先提取多尺度SIFT和CM作為底層特征,分別進行LSA編碼和FV編碼,然后在空間金字塔子區(qū)域內進行最大池化得到圖像的直方圖表示,最后使用線性分類器分別對蔬菜和水果進行分類；卷積神經網(wǎng)絡模型則分別給出VegFru數(shù)據(jù)庫在AlexNet、 CaffeNet以及GoogLeNet三個網(wǎng)絡模型中的分類結果。在基本分類模型的基礎上,本文提出一個基于自上而下注意圖分割的混合粒度圖像分類模型。首先,在卷積神經網(wǎng)絡模型中引入注意信息,檢測和分割出圖像的目標區(qū)域；然后利用分割圖像學習新的網(wǎng)絡模型得到分割網(wǎng)絡,迫使網(wǎng)絡關注圖像的判別性目標區(qū)域,從而得到較優(yōu)的初始化權值；使用原始圖像對分割網(wǎng)絡進行微調,最后得到的分部訓練網(wǎng)絡不僅能夠充分挖掘圖像的目標區(qū)域信息,還能補充分割網(wǎng)絡遺漏的互補信息,進一步提高分類性能。綜上所述,本文在智能家居的應用背景下,構建了一個特定領域的果蔬原材料混合粒度圖像數(shù)據(jù)庫,給出該數(shù)據(jù)庫在傳統(tǒng)特征分類模型與卷積神經網(wǎng)絡模型中的基本分類結果,并提出一個新的利用自上而下注意圖分割的分類模型,進一步提高分類正確率。為基于VegFru數(shù)據(jù)庫的機器視覺技術以及智能冰箱研究提供數(shù)據(jù)來源和技術路線,促進智能家居、機器視覺與智能家居應用相結合的研究和發(fā)展。
【關鍵詞】：智能家居 混合粒度圖像分類 卷積神經網(wǎng)絡 自上而下注意圖 目標分割
【學位授予單位】：中國科學技術大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：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 國內外研究現(xiàn)狀12-20
• 1.3.1 粗粒度圖像分類的研究現(xiàn)狀12-14
• 1.3.2 細粒度圖像分類的研究現(xiàn)狀14-17
• 1.3.3 混合粒度圖像分類的研究現(xiàn)狀17-20
• 1.4 本課題的目標和主要工作20-21
• 1.5 章節(jié)安排21-22
• 第二章 圖像分類方法概述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 卷積神經網(wǎng)絡模型32-37
• 2.4.1 基于AlexNet的卷積神經網(wǎng)絡模型35-36
• 2.4.2 基于GoogLeNet的卷積神經網(wǎng)絡模型36-37
• 2.5 本章小結37-38
• 第三章 VegFru圖像數(shù)據(jù)庫38-56
• 3.1 VegFru數(shù)據(jù)庫概述38
• 3.2 數(shù)據(jù)庫結構38-40
• 3.2.1 VegFru層次類別39
• 3.2.2 VegFru分類法39-40
• 3.3 構造數(shù)據(jù)庫40-43
• 3.3.1 構造原則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)庫的結構44
• 3.4.2 數(shù)據(jù)庫的分類法44-45
• 3.4.3 圖片的選擇45-46
• 3.5 數(shù)據(jù)庫應用前景和難點46-48
• 3.6 數(shù)據(jù)庫的基本實驗48-54
• 3.6.1 基于傳統(tǒng)特征模型的基本實驗49-50
• 3.6.2 基于卷積神經網(wǎng)絡模型的基本實驗50-54
• 3.7 本章小結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 混合粒度圖像分類模型62-63
• 4.5 本章小結63-64
• 第五章 總結與展望64-66
• 5.1 總結64-65
• 5.2 展望65-66
• 參考文獻66-72
• 致謝72-74
• 在讀期間發(fā)表的學術論文與取得的科研成果74

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 劉玉紅;謝正祥;;圖像挖掘技術及醫(yī)學應用[J];中國醫(yī)學物理學雜志;2010年01期

2 曹家瑋;;用圖像說話[J];藝術與設計(理論);2009年08期

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

4 劉筱霞;轉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;;保色調的黑白卡通圖像著色方法[J];計算機輔助設計與圖形學學報;2011年03期

6 許向陽;張旭亮;李博;;基于顏色屬性相關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];電腦愛好者;1998年14期

8 王偉,吳玲達,老松楊,王辰;基于示例學習的圖像人臉檢測技術[J];計算機應用研究;2002年03期

9 高彥宇;王新平;尹怡欣;;自然風景圖像情感標識方法研究[J];小型微型計算機系統(tǒng);2011年04期

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

中國重要會議論文全文數(shù)據(jù)庫 前3條

1 吳楠;李曉曦;宋方敏;;圖像挖掘及其在醫(yī)學圖像分類中的應用[A];2006年全國理論計算機科學學術年會論文集[C];2006年

2 潘海為;謝曉芹;張煒;李建中;;基于ROI的醫(yī)學圖像聚類算法[A];第二十三屆中國數(shù)據(jù)庫學術會議論文集（技術報告篇）[C];2006年

3 孫華;;Photoshop軟件在眼科領域的應用[A];中華醫(yī)學會第十二屆全國眼科學術大會論文匯編[C];2007年

中國重要報紙全文數(shù)據(jù)庫 前8條

1 重慶 楊清德;寬屏幕電視機圖像模式的選擇[N];電子報;2007年

2 計算機世界實驗室 吳挺;高速中進取[N];計算機世界;2008年

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

4 劉全恩;高清投影機量產 家用市場占兩成[N];中國電子報;2007年

5 eN書蟲;用Photoshop制作燃燒字[N];江蘇經濟報;2000年

6 王林;東芝XV500系列高清首選[N];電子資訊時報;2008年

7 趙軍紅　編譯;手機顯微鏡將在非洲試用[N];科技日報;2010年

8 ;輕松制作電子詞典的開機畫面[N];中國計算機報;2004年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 黃明明;圖像局部特征提取及應用研究[D];北京科技大學;2016年

2 段曼妮;圖像挖掘在圖像檢索中的應用[D];中國科學技術大學;2009年

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

5 蔡濤;面向目標識別的圖像特征融合提取技術研究[D];中國人民解放軍國防科學技術大學;2000年

6 韓躍平;復雜產品內部結構裝配正確性X射線自動檢測技術研究[D];中北大學;2009年

7 曹建芳;場景圖像情感語義分析關鍵技術研究[D];太原理工大學;2015年

8 徐望明;面向圖像檢索和分類任務的稀疏特征學習[D];武漢科技大學;2013年

9 周海英;基于視覺認知的圖像搜索與識別關鍵技術研究[D];北京科技大學;2015年

10 韓子仲;視象與圖像[D];中國美術學院;2008年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 吳春燕;樹木葉片滯塵量與反射光譜及圖像特征的關系研究[D];中國林業(yè)科學研究院;2015年

2 李娜;基于SAR圖像的海洋油膜分類研究[D];中國石油大學(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;2016年

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

5 馮語姍;果蔬圖像的混合粒度分類研究[D];中國科學技術大學;2016年

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

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

8 余昌瑾;圖像挖掘技術研究與應用[D];武漢理工大學;2010年

9 陳思坤;醫(yī)學圖像的自動標注[D];電子科技大學;2011年

10 白玉超;公共圖像對中小學美術教育的影響[D];廣西師范大學;2014年

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

本文編號：394639