本文關(guān)鍵詞：一種基于CLMF的深度卷積神經(jīng)網(wǎng)絡(luò)模型，由筆耕文化傳播整理發(fā)布。

【摘要】：針對傳統(tǒng)人工特征提取模型難以滿足復(fù)雜場景下目標(biāo)識別的需求,提出了一種基于CLMF的深度卷積神經(jīng)網(wǎng)絡(luò)(Convolutional neural networks with candidate location and multi-feature fusion,CLMF-CNN).該模型結(jié)合視覺顯著性、多特征融合和CNN模型實現(xiàn)目標(biāo)對象的識別.首先,利用加權(quán)Itti模型獲取目標(biāo)候選區(qū);然后,利用CNN模型從顏色、亮度多特征角度提取目標(biāo)對象的特征,經(jīng)過加權(quán)融合供目標(biāo)識別;最后,與單一特征以及目前的流行算法進(jìn)行對比實驗,結(jié)果表明本文模型不僅在同等條件下正確識別率得到了提高,同時,達(dá)到實時性要求.
【作者單位】： 上海海事大學(xué)信息工程學(xué)院;
【關(guān)鍵詞】： 圖像識別 深度學(xué)習(xí) 卷積神經(jīng)網(wǎng)絡(luò) 多特征融合
【基金】：國家自然科學(xué)基金(31170952) 國家海洋局項目(201305026) 上海海事大學(xué)優(yōu)秀博士學(xué)位論文培育項目(2014bxlp005),上海海事大學(xué)研究生創(chuàng)新基金項目(2014ycx047)資助~~
【分類號】：TP391.41;TP183
【正文快照】： 隨著科學(xué)技術(shù)的飛速發(fā)展,圖像識別技術(shù)已從簡單的理論融入到了大眾的日常生活之中[1-2].從手機(jī)、電腦、打卡機(jī)等使用指紋身份識別,到阿里巴巴發(fā)布的人臉識別支付技術(shù),都離不開圖像識別.然而,在這個信息量爆炸的時代,如何能夠提高識別率意義重大,直接關(guān)系到圖像識別的實用性和

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 初紅霞;王科俊;王希鳳;郭慶昌;韓晶;;多特征融合的退火粒子濾波目標(biāo)跟蹤[J];計算機(jī)工程與應(yīng)用;2011年06期

2 顧鑫;王海濤;汪凌峰;王穎;陳如冰;潘春洪;;基于不確定性度量的多特征融合跟蹤[J];自動化學(xué)報;2011年05期

3 姚紅革;杜亞勤;;基于多模式多特征融合粒子濾波視頻目標(biāo)跟蹤[J];西安工業(yè)大學(xué)學(xué)報;2012年11期

4 王蘭;;基于多特征融合的票據(jù)分類技術(shù)及應(yīng)用[J];計算機(jī)光盤軟件與應(yīng)用;2013年13期

5 陳增照;何秀玲;楊揚(yáng);董才林;;基于多特征融合的票據(jù)分類技術(shù)及應(yīng)用[J];計算機(jī)工程與應(yīng)用;2006年09期

6 周斌;林喜榮;賈惠波;宋榕;;多特征融合的手背血管識別算法[J];清華大學(xué)學(xué)報(自然科學(xué)版);2007年02期

7 劉貴喜;范春宇;高恩克;;基于粒子濾波與多特征融合的視頻目標(biāo)跟蹤[J];光電子.激光;2007年09期

8 胡全;邱兆文;王霓虹;;基于多特征融合的圖像語義標(biāo)注[J];東北林業(yè)大學(xué)學(xué)報;2008年10期

9 周靜;黃心漢;彭剛;;基于多特征融合的飛機(jī)目標(biāo)識別[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2009年01期

10 沈才梁;許雪貴;許方恒;龍丹;;多特征融合的人臉檢測[J];計算機(jī)系統(tǒng)應(yīng)用;2009年11期

中國重要會議論文全文數(shù)據(jù)庫 前3條

1 葉鋒;蔡光東;鄭子華;亓?xí)孕?尹鵬;;基于多特征融合的藥用植物標(biāo)本識別[A];2011年中國智能自動化學(xué)術(shù)會議論文集（第一分冊）[C];2011年

2 段其昌;季長有;;基于多特征融合的快速人臉檢測[A];第十七屆全國測控計量儀器儀表學(xué)術(shù)年會（MCMI'2007）論文集（上冊）[C];2007年

3 李玉峰;鄭德權(quán);趙鐵軍;;基于SVM和多特征融合的圖像分類[A];第四屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會議論文集（上）[C];2008年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前4條

1 田綱;基于多特征融合的Mean shift目標(biāo)跟蹤技術(shù)研究[D];武漢大學(xué);2011年

2 徐志剛;基于多特征融合的路面破損圖像自動識別技術(shù)研究[D];長安大學(xué);2012年

3 陳秀新;多特征融合視頻復(fù)制檢測關(guān)鍵技術(shù)研究[D];北京工業(yè)大學(xué);2013年

4 初紅霞;基于均值移動和粒子濾波的目標(biāo)跟蹤關(guān)鍵技術(shù)研究[D];哈爾濱工程大學(xué);2012年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 張巖;基于多特征融合及二部圖匹配的3D目標(biāo)檢索技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2015年

2 計明明;基于多特征融合的三維模型檢索技術(shù)[D];浙江大學(xué);2015年

3 王慶;基于多特征融合的人體動作識別方法研究[D];上海大學(xué);2015年

4 劉婕;復(fù)雜場景多特征融合粒子濾波目標(biāo)跟蹤[D];重慶理工大學(xué);2015年

5 崔劍;基于多特征融合的分級行人檢測方法研究[D];電子科技大學(xué);2015年

6 王珊珊;基于極化SAR非監(jiān)督分類的油膜厚度估算方法研究[D];大連海事大學(xué);2015年

7 肖冠;基于多特征融合的異類傳感器中段目標(biāo)關(guān)聯(lián)算法研究[D];國防科學(xué)技術(shù)大學(xué);2013年

8 王建榮;基于多特征融合的無人機(jī)航拍圖像識別研究[D];成都理工大學(xué);2015年

9 高爽;基于多特征融合的粒子濾波跟蹤算法研究[D];西安電子科技大學(xué);2014年

10 坎啟嬌;基于多特征融合的多目標(biāo)跟蹤算法[D];河北工業(yè)大學(xué);2015年

  本文關(guān)鍵詞：一種基于CLMF的深度卷積神經(jīng)網(wǎng)絡(luò)模型，，由筆耕文化傳播整理發(fā)布。

本文編號：467228