圖像信息包含了大量的信息而且內容通俗易懂簡潔明了。在社會飛速發(fā)展互聯網技術迅速提升的當今社會,圖像數據成為工業(yè)界和科研界一個十分重要的研究內容。而在當下最為熱門的方向之一計算機視覺中,圖像的分類識別是計算機視覺的基礎和最為重要的部分之一。圖像場景分類是圖像分類中一個重要的方向。而針對場景分類問題最為著名的兩個方向是自然場景分類和遙感影像場景分類。本文針對這兩個主要方向進行分類實驗。首先使用傳統(tǒng)神經網絡LeNet-5,AlexNet-4和VGGNet-16對自然場景分類數據集進行實驗,分析實驗結果得出VGGNet-16的實驗結果較好。然后選用集成學習方法與VGGNet-16進行結合構造出Ada-VGG16和RF-VGG16,對比實驗結果并選用RF-VGG16將其改造成為淺層卷積神經網絡RF-VGG6,并通過對比幾個卷積神經網絡的實驗結果得到本文所提出的新的基于集成學習的淺層卷積神經網絡RF-VGG6實驗分類準確率良好并且實驗效率高,是一個適用于自然圖像場景分類的模型。然后使用場景分類的另一重要方向遙感場景分類數據集對提出的RF-VGG6模型進行驗證,得到的實驗結果較好。得出該模型對于場景... 

【文章來源】：江西財經大學江西省

【文章頁數】：61 頁

【學位級別】：碩士

【部分圖文】：

scene-15部分數據

第3章RF-VGG6在自然場景分類的實證分析33得到RF-VGG6的精度變化如圖3.3所示。圖3.3RF-VGG6精度變化RF-VGG6的損失變化如圖3.4所示。圖3.4RF-VGG6損失變化并與該淺層卷積神經網絡與同為淺層卷積神經網絡的LeNet-5和AlexNet-4所

RF-VGG6損失變化

【參考文獻】：
博士論文
[1]基于深度神經網絡的腫瘤圖像分析與處理[D]. 昌杰.中國科學技術大學 2019
[2]基于深度卷積神經網絡的圖像分類方法研究及應用[D]. 高震宇.中國科學技術大學 2018
[3]遙感圖像場景深度學習與應用研究[D]. 李二珠.南京大學 2017
[4]基于機器視覺的奶牛個體信息感知及行為分析[D]. 趙凱旋.西北農林科技大學 2017
[5]基于遷移學習與深度卷積特征的圖像標注方法研究[D]. 宋光慧.浙江大學 2017
[6]基于隨機森林的視覺數據分類關鍵技術研究[D]. 張乾.華南理工大學 2016

碩士論文
[1]基于卷積神經網絡的場景分類算法研究[D]. 蘇亞偉.南昌航空大學 2018
[2]光譜和空間特征聯合的高光譜遙感影像多分類器集成方法[D]. 鮑蕊.南京大學 2016



本文編號：2910980