基于深度卷積網絡特征優(yōu)化的圖像分類

《基于深度卷積網絡特征優(yōu)化的圖像分類》由會員上傳分享，免費在線閱讀，更多相關內容在學術論文-天天文庫。

1、液料謂我衫園碩士學位論文＿＿處基于鐘卷糊雜征優(yōu)化酬像分類作者姓名丁鑫指導教師姓名、職稱田小林副教授９申請學位類別工學碩士西安電子科技大學學位論文獨創(chuàng)性（或創(chuàng)新性）聲明秉承學校嚴謹?shù)膶W風和優(yōu)良的科學道德，本人聲明所呈交的論文是我個人在導師指導下進行的研究工作及取得的研宄成果。盡我所知，除了文中特別加以標注和致謝中所羅列的內容以外，論文中不包含其他人已經發(fā)表或撰寫過的研究成果；也不包含一為獲得西安電子科技大學或其它教育機構的學位或證書而使用過的材料。與我同工作的同事對本研究所做的任何貢獻均己在論文中作了明確的說明并

2、表示了謝意。一切法律責任學位論文若有不實之處，本人承擔。“■本人簽名：Ｊ＆日期：畑“西安電子科技大學關于論文使用授權的說明本人完全了解西安電子科技大學有關保留和使用學位論文的規(guī)定，即：研究生在校攻讀學位期間論文工作的知識產權屬于西安電子科技大學。學校有權保留送交論文的復印件，允許查閱、借閱論文；學校可以公布論文的全部或部分內容，允許采用影印、縮印或其它復制手段保存論文。同時本人保證，結合學位論文研究成果完成的論、。文發(fā)明專利等成果，署名單位為西安電子科技大學保密的學位論文在年解密后適用本授權書。＿＋竹本人簽名：導師簽名：

3、丁各＾＾日期：日期：學校代碼10701學號1502120784分類號TP391密級公開西安電子科技大學碩士學位論文畢業(yè)論文中文題目基于深度卷積網絡特征優(yōu)化的圖像分類作者姓名：丁鑫一級學科：電子科學與技術二級學科：電路與系統(tǒng)學位類別：工學碩士指導教師姓名、職稱：田小林副教授學院：人工智能學院提交日期：2018年6月ImageClassificationBasedonFeatureOptimizationofDeepConvolutionalNetworkAthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillm

4、entoftherequirementsforthedegreeofMasterinCircuitsandSystemsByDingXinSupervisor:TianXiaolinTitle:AssociateProfessorJune2018摘要摘要隨著互聯(lián)網技術的快速發(fā)展，人們在網上產生或者瀏覽的數(shù)據(jù)量呈現(xiàn)出幾何式的增長，這就產生了許多垃圾信息，或者說對個人沒有利用價值的信息。細分到圖像領域，圖像數(shù)據(jù)如何做到精準地推薦給用戶，這就需要改進圖像的分類算法。圖像數(shù)據(jù)具有直觀且包含信息多的優(yōu)點使得人們對它的需求越來越強烈。圖像分類領域的研究已經成為了計算機視覺中非常重要的分支

5、。近年來，深度學習已經讓圖像的分類變得非常簡單，然而人們對圖像分類的精度和速度上的要求也越來越高。本文對圖像分類問題提出了一些基于深度網絡優(yōu)化的方法和改進的模型結構。1.提出了一種基于深度網絡和稀疏Fisher矢量的圖像分類方法。該方法首先通過預訓練的卷積神經網絡提取圖像特征，將得到的特征進行稀疏Fisher矢量編碼，編碼后的特征送入支持向量機分類器進行訓練。該方法降低了編碼的復雜度，提高了特征的表征能力，進而提高了數(shù)據(jù)的分類準確性。2.提出一種深度網絡特征集成優(yōu)化的分類方法。該方法首先提取卷積神經網絡中每一個池化層后的特征，訓練的參數(shù)并不是網絡內的權值參數(shù)，而是訓練一組濾波

6、器參數(shù)，它能夠選擇池化后的特征，最后將卷積網絡中池化后的特征都通過這樣一組濾波器訓練，最后用集成學習的策略得到所需的分類標簽。該方法并不需要重新訓練網絡，可以利用預訓練的網絡參數(shù)，在速度上有了很大的提高，而且精度方面也有一定的提高。3.提出了一種基于度量學習與多模型融合的圖像分類方法。該方法首先對每一個樣本數(shù)據(jù)使用SSD(SingleShotMultiBoxDetector)進行目標檢測，然后在圖像中裁剪出目標。該方法采用改進的孿生(Siamese)結構和多模型融合對裁剪出的區(qū)域進行處理。這種方法能進一步降低背景的影響和克服單模型的局限性，進而提高分類的準確性。本論文工作得到

7、了國家自然科學基金（No.61571342）的資助。關鍵詞：圖像分類，稀疏Fisher矢量，集成學習，度量學習，多模型融合IABSTRACTABSTRACTWiththerapiddevelopmentofInternettechnology,theamountofdatageneratedorviewedontheInternetshowsageometricgrowth,whichgeneratesalotofspam,orinformationthatdoesnothaveusagevalue.S