基于线性解码和深度回归预测的图像分类算法 |
| |
作者单位: | ;1.武汉科技大学计算机科学与技术学院;2.武汉科技大学智能信息处理与实时工业系统湖北省重点实验室;3.武汉大学软件工程国家重点实验室 |
| |
摘 要: | 针对图像分类研究中的分类器输入范围限制和缩放问题,提出一种基于线性特征解码和深度回归模型图像分类算法。首先,通过线性解码器学习低分辨率图像的特征参数;然后,运用学习到的特征对原始高分辨率图像进行卷积和池化操作,得到特征矩阵;再通过Softmax回归模型对图像进行深度学习和分类;最后用距离度量算法得到图像分类结果。实验结果从多方面对比和验证了该方法在分类效率方面超越了传统的误差反向传播算法BP和K最近邻分类算法KNN。
|
关 键 词: | 线性解码器 回归模型 深度神经网络 图像分类 |
IMAGE CLASSIFICATION BASED ON LINEAR DECODING AND DEEP REGRESSION PREDICTION |
| |
Abstract: | |
| |
Keywords: | |
|
|