| 基于深度网络的可学习感受野算法在图像分类中的应用 |
| |
| 引用本文： | 王博,郭继昌,张艳.基于深度网络的可学习感受野算法在图像分类中的应用[J].控制理论与应用,2015,32(8):1114-1119. |
| |
| 作者姓名： | 王博 郭继昌 张艳 |
| |
| 作者单位： | 天津大学电子信息工程学院 |
| |
| 基金项目： | 高等学校博士学科点专项科研基金 |
| |
| 摘 要： | 作为图像检索,图像组织和机器人视觉的基本任务,图像分类在计算机视觉和机器学习中受到了广泛的关注.用于目标识别及图像分类的多种基于深度学习的模型同样引发了该领域内的极大兴趣.本文提出了一种取代尺度不变特征变换(SIFT)和方向梯度直方图(HOG)描述子的算法,即利用深度分层结构,按层级学习有效的图像表示,直接从原始像素点学习特征.该方法分别利用K--奇异值分解(K--SVD)和正交匹配追踪(OMP)进行字典训练和编码.此外,本文采用了同时学习分类器和用于池化的感受野方案.实验结果证明,上述算法在目标(Oxford flowers)和事件(UIUC--sports)图像分类测试集中取得了更好的分类性能.
|
| 关 键 词： | 图像分类 分层结构 深度网络 感受野 |
| 收稿时间： | 2015/1/22 0:00:00 |
| 修稿时间： | 9/4/2015 12:00:00 AM |
Learnable receptive fields scheme in deep networks for image categorization |
| |
| WANG Bo,GUO Ji-chang and ZHANG Yan.Learnable receptive fields scheme in deep networks for image categorization[J].Control Theory & Applications,2015,32(8):1114-1119. |
| |
| Authors: | WANG Bo GUO Ji-chang and ZHANG Yan |
| |
| Affiliation: | School of Electronic Information Engineering,Tianjin University |
| |
| Abstract: | |
| |
| Keywords: | image categorization hierarchical architecture deep networks receptive fields |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《控制理论与应用》浏览原始摘要信息 |
|
点击此处可从《控制理论与应用》下载全文 |
|
