本文關鍵詞：并行交叉的深度卷積神經(jīng)網(wǎng)絡模型，，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算機視覺領域的經(jīng)典問題,是圖像檢索、目標識別及視頻分析理解等技術的基礎。目前,基于深度卷積神經(jīng)網(wǎng)絡(CNN)的模型已經(jīng)在該領域取得了重大突破,其效果遠遠超過了傳統(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,訓練困難。為此根據(jù)深度CNN模型和人眼視覺原理,提出并設計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回歸對圖像進行分類識別。結果與同類模型相比,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識別精度達到46%以上,比VGG16高出近5%,比Goog Le Net高出2.6%。結論 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一步驗證;該模型也為其他深度CNN模型的設計提供了一種新的思路,即在控制深度的同時,提取更多的特征信息,提高深度模型性能。
【作者單位】： 同濟大學計算機科學與技術系;同濟大學嵌入式系統(tǒng)與服務計算教育部重點實驗室;井岡山大學數(shù)理學院;
【關鍵詞】： 圖像分類 識別 深度CNN Alex-Net 并行交叉國 人眼視覺
【基金】：國家自然科學基金項目(61472281) 上海市曙光計劃(12SG23)~~
【分類號】：TP391.41
【正文快照】： 0引言圖像分類與識別技術是計算機視覺領域的一個經(jīng)典問題,是圖像檢索、目標檢測和視頻理解分析等技術的基礎。一般圖像分類與識別的流程是:將標記為不同類別的圖像,通過對圖像進行預處理、提取圖像特征、對特征進行編碼,生成能夠表達圖像的特征向量,然后使用各種分類技術對特

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前2條

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

2 鄭胤;陳權崎;章毓晉;;深度學習及其在目標和行為識別中的新進展[J];中國圖象圖形學報;2014年02期

【共引文獻】

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)技術的智慧教學模式研究[J];軟件導刊;2017年02期

3 郭偉;余亞華;;大數(shù)據(jù)時代地方高校OA協(xié)同辦公系統(tǒng)發(fā)展策略研究[J];江漢大學學報(社會科學版);2017年01期

4 馮東煜;朱立谷;張雷;;Hadoop集群效能建模與評價[J];中國傳媒大學學報(自然科學版);2017年01期

5 解麗婷;韓春福;向衡;;地熱生產(chǎn)大數(shù)據(jù)的精細化管理[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)新實踐課程教學探討[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)絡化技術的工業(yè)洗衣機改造[J];機電產(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)在高校本科教學評估中的應用——以J大學為例[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)略給圖書情報領域研究帶來的機遇[J];圖書館學研究;2017年02期

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

【二級參考文獻】

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)流式計算:關鍵技術及系統(tǒng)實例[J];軟件學報;2014年04期

2 陳立瑋;馮巖松;趙東巖;;基于弱監(jiān)督學習的海量網(wǎng)絡數(shù)據(jù)關系抽取[J];計算機研究與發(fā)展;2013年09期

3 王元卓;靳小龍;程學旗;;網(wǎng)絡大數(shù)據(jù):現(xiàn)狀與展望[J];計算機學報;2013年06期

4 李國杰;程學旗;;大數(shù)據(jù)研究:未來科技及經(jīng)濟社會發(fā)展的重大戰(zhàn)略領域——大數(shù)據(jù)的研究現(xiàn)狀與科學思考[J];中國科學院院刊;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建及其應用研究[J];計算機學報;2012年04期

6 程學旗;郭嘉豐;靳小龍;;網(wǎng)絡信息的檢索與挖掘回顧[J];中文信息學報;2011年06期

7 許文艷;劉三陽;;知識庫系統(tǒng)的邏輯基礎[J];計算機學報;2009年11期

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

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

10 于江生 ,俞士汶;中文概念詞典的結構[J];中文信息學報;2002年04期

【相似文獻】

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,李揚彬;數(shù)據(jù)挖掘在醫(yī)學圖像分類中的應用[J];現(xiàn)代計算機(專業(yè)版);2005年01期

2 冀翠萍;孟祥增;;基于內容的圖像分類體系[J];電腦知識與技術(學術交流);2007年07期

3 楊杰;陳曉云;;圖像分類方法比較研究[J];微計算機應用;2007年06期

4 楊文潮;姜志堅;;圖像分類技術研究[J];福建電腦;2008年08期

5 葛寒娟;邱桃榮;王劍;盧強;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];廣西師范大學學報(自然科學版);2008年03期

6 王軍;王員云;;粒計算及其在圖像分類中的應用研究[J];計算機工程與科學;2009年03期

7 吳軍;王士同;;基于正負模糊規(guī)則的相結合的圖像分類[J];計算機應用;2011年01期

8 吳軍;王士同;趙鑫;;正負模糊規(guī)則系統(tǒng)、極限學習機與圖像分類[J];中國圖象圖形學報;2011年08期

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

10 蔣玲芳;張偉;司夢;;基于詞袋模型的電子報圖像分類方法研究[J];信陽師范學院學報(自然科學版);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算法[A];’2004計算機應用技術交流會議論文集[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的圖像分類[A];中國電子學會第十六屆信息論學術年會論文集[C];2009年

3 王海峰;管亮;;基于顏色特征的圖像分類技術在油品分析中的應用[A];中國儀器儀表學會第六屆青年學術會議論文集[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)學圖像分類[A];第六屆和諧人機環(huán)境聯(lián)合學術會議（HHME2010)、第19屆全國多媒體學術會議（NCMT2010）、第6屆全國人機交互學術會議（CHCI2010）、第5屆全國普適計算學術會議（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學術會議論文集[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、信息技術、電子、儀器儀表創(chuàng)新學術會議論文集[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)學圖像分類[A];第二十屆全國數(shù)據(jù)庫學術會議論文集（研究報告篇）[C];2003年

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

10 武進;尹愷;王長明;張家才;;SVDM在蔬菜病害圖像分類中的應用[A];圖像圖形技術與應用進展——第三屆圖像圖形技術與應用學術會議論文集[C];2008年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 胡堯;基于低秩矩陣估計的機器學習算法分析[D];浙江大學;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;2014年

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

4 王曉東;基于稀疏特征學習的復雜圖像分類[D];西安電子科技大學;2014年

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

6 趙鑫;圖像分類中的判別性增強研究[D];中國科學技術大學;2013年

7 楊冰;基于藝術風格的繪畫圖像分類研究[D];浙江大學;2013年

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

9 賈世杰;基于內容的商品圖像分類方法研究[D];大連理工大學;2013年

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

中國碩士學位論文全文數(shù)據(jù)庫 前10條

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

2 李函怡;融合主動學習的半監(jiān)督技術在圖像分類中的應用研究[D];西南大學;2015年

3 王亞鳳;基于多特征的主動學習方法在圖像分類中的應用研究[D];河北工程大學;2015年

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

6 焦陽;基于主動學習的多標簽圖像分類方法研究[D];蘇州大學;2015年

7 王騰川;基于主動學習的SAR圖像分類方法研究[D];上海交通大學;2015年

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

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

10 楊東坡;基于深度學習的商品圖像分類[D];大連交通大學;2015年

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

本文編號：475304