论文部分内容阅读
图像是人类获取信息的重要方式,随着社会信息化程度的日益提高,自动识别图像的需求也变得越来越迫切。由于互联网和移动互联网的快速发展,网络中图像数据呈现出爆炸式的增长,而传统模式识别方法在海量图像数据集上的识别效果无法令人满意,研究者们提出采用卷积神经网络(Convolutional Neural Network,CNN)来进行图像识别,其中,卷积是最为关键的组件。现有的卷积如普通卷积、膨胀卷积和可变形卷积,在图像识别中取得了不错的效果,但仍存在一些不足,如:普通卷积的感受野范围受到卷积核的限制,不够鲁棒;膨胀卷积会形成一个规则的感受野,不足以应付物体表观特征产生的各种变化;可变形卷积的感受野的形状的不能快速变换,不能起到精确定位目标的作用。为解决上述问题,本文对以上各种卷积进行了深入的研究,独立完成了以下工作:(1)在普通卷积、膨胀卷积和可变形卷积的基础上,提出了各向异性膨胀卷积(Anisotropic Dilated Convolution,ADC)。各向异性膨胀卷积的优势在于继承了以往普通卷积、膨胀卷积、可变形卷积的优点,是一种更加泛化的卷积形式,其他卷积可认为是各向异性膨胀卷积的一种特例。各向异性膨胀卷积可形成不规则感受野,能根据像素点所在位置和自身特点灵活变形,在通过膨胀率快速扩大感受野范围的同时,又可通过偏移量的学习使感受野范围更好地拟合所识别目标,从而起到精确定位目标的作用。(2)基于各向异性膨胀卷积,建立了各向异性膨胀卷积网络(Anisotropic Dilated Convolutional Network,ADCN)。各向异性膨胀卷积网络是在基准网络(如:VGG、ResNet等)上使用各向异性膨胀卷积替换普通卷积或者膨胀卷积得到的网络,与基准网络相比,各向异性膨胀卷积网络可保留有效信息和去除无效信息,以减少空间信息的损失,能提取出更鲁棒的特征。本文在七个数据集(MNIST、CIFAR10、CIFAR100、SVHN、STL-10、LFW、ImageNet)和四个基准网络(VGG、ResNet、WRN、DRN)上进行了实验。首先,验证了各向异性膨胀卷积的可行性和有效性;其次,通过实验确定了采用各向异性膨胀卷积的最佳网络层;最后,将各向异性膨胀卷积网络应用于图像分类和目标定位。实验结果表明:各向异性膨胀卷积网络的效果均好于基准网络,并在MNIST和STL-10的图像分类任务中取得了目前最好的效果。