隨著現(xiàn)代網絡技術的快速發(fā)展,幾乎所有的圖像都已經數(shù)字化,人們每天都會面對各種圖像。對于這些海量圖像,人們無法快速找到自己想要的信息。這使得人們迫切地需要一種方法,來快速有效地從海量圖像中準確地獲取所需的圖像內容,這需要計算機事先對這些海量的圖像內容進行分析,解釋和歸類。從而,人們可以使用檢索系統(tǒng)來快速且準確地檢索到自己想要的圖像信息。圖像分類技術能夠處理這種情況,它根據(jù)提取到的圖像特征自動將圖像進行分類,既能夠去除人工設計特征等復雜且高要求的工作,又可以把圖像解釋出與人們認知相似的表達含義。深層卷積網絡是近年來圖像分類識別性能最大進步的核心,以其強大的圖像識別分類能力被廣泛的應用于各種圖像分類任務,并取得了十分顯著的效果。本文通過對圖像分類算法模型的研究,發(fā)現(xiàn)大部分模型都是通過加深網絡的深度來提高模型的預測準確度,這導致網絡過于龐大,訓練時間過長,模型性能達到飽和甚至開始下降。也了解到圖像的內容特征對圖像的分類起決定作用,圖像的風格特征對分類也有影響。本文研究發(fā)現(xiàn)風格遷移能夠改變圖像的風格特征且保留圖像的內容特征,其使用神經網絡來分離和重組圖像的內容和風格,生成的新圖像與原圖像內容相似...

【文章頁數(shù)】：69 頁

【學位級別】：碩士

【部分圖文】：

圖1-1圖片誤分類示意

利用深度卷積神經網絡[5][6]來集成特征進行分類，由于遮擋或環(huán)境的原因，這會使得一些特征被誤判，如圖1-1所示，就會被識別分類為蜜蜂，而實際上是螞蟻。圖1-1圖片誤分類示意

圖1-2對抗圖像

圖1-2對抗圖像針對以上問題，本文提出用風格遷移[7][8]來幫助圖像分類。圖像的風格遷移就是轉移圖像的風格。效果如圖1-3所示，圖像表達的內容信息基本不變，而圖像的風格發(fā)生了變化。轉化圖片中的動物本來是螞蟻，被誤判為蜜蜂，但圖像經過風格遷移后，模型將其預測為螞蟻。用風格....

圖1-3圖片風格遷移

圖1-2對抗圖像，本文提出用風格遷移[7][8]來幫助圖像分類。。效果如圖1-3所示，圖像表達的內容信息。轉化圖片中的動物本來是螞蟻，被誤判為將其預測為螞蟻。用風格遷移生成的圖像來這是要研究的內容和方向。風格(b)轉化

圖1-4簡化的實驗過程圖

進并加以實現(xiàn)，針對統(tǒng)一模型的不同數(shù)據(jù)集會用遷移學習來初始化網絡參數(shù)再加以訓練，在訓練過程中，用圖像特征去均值化，逐漸降低學習率等多種方法加速模型的收斂。（2）實現(xiàn)風格遷移模型，風格遷移模型用來對圖像進行處理，獲得與原圖像內容相一致而風格不同的新圖像。且針對于色彩豐富或簡單，圖像平....

本文編號：3951683