【摘 要】
:
图像分类作为机器学习与模式识别的基本问题,旨在研究如何高效地完成大规模图像分类,在当下及未来都具有十分重要的理论意义和实用价值。近些年来,深度学习在图像分类领域得
论文部分内容阅读
图像分类作为机器学习与模式识别的基本问题,旨在研究如何高效地完成大规模图像分类,在当下及未来都具有十分重要的理论意义和实用价值。近些年来,深度学习在图像分类领域得到了迅猛发展。卷积神经网络作为深度学习众多重要架构中的一种,在图像分类中得到了广泛地应用,其通过采用权值共享、局部连接和子采样操作以简化网络模型,有效地减少了网络训练参数,提高了训练效率。由于在卷积神经网络训练过程中采用有监督学习算法,会存在训练样本不足、梯度弥散等问题。因此针对这些问题,本文将无监督学习算法与卷积神经网络中的卷积相结合,提出了KDL图像分类模型,并将其运用到大规模图像数据的分类中。此外,为了解决卷积神经网络规模过大而导致训练参数过多的问题,基于DSD算法进行改进,提出了模糊DSD算法并运用到卷积神经网络中以提升网络性能。本文的具体研究内容包含如下几个方面:1.K-means与卷积结合的KDL算法。通过采用K-means算法对输入图像块提取出字典(聚类中心),再根据字典构建对应的特征提取函数,采用卷积操作提取出最终的图像特征,并将其送入分类器进行分类。实验结果表明,KDL算法在图像分类性能上优于一些经典算法。2.模糊DSD算法。首先进行Dense阶段训练,将训练完成的网络权值作为Fuzzy训练阶段的初始权值;在Fuzzy阶段训练过程中,将网络权值按照它在网络各层级中所占的比重进行修改,保存训练完成的网络权值并作为下一阶段训练的初始权值;最后调整学习率并再次进行Dense阶段训练。最终将模糊DSD算法在数据集上进行测试,实验结果表明,模糊DSD算法的性能优于DSD算法。3.车辆类型识别应用。首先,通过对输入的车辆图像进行预处理,包括抽取大小相同的图像块、归一化处理、白化处理等,然后采用K-means与卷积结合进行图像特征的提取,并采用Softmax分类器完成最终图像特征的分类。将KDL算法在车辆数据集上进行测试,实验结果表明,该算法相比于其它算法具有训练参数少、准确率高等优点。
其他文献
为研究及评价掺配不同纤维的SMA混合料综合性能,在对国内SMA混合料研究学习的基础上,研究了木质素、聚酯、聚丙烯、玄武岩和海泡石纤维对SMA混合料综合路用性能的影响,试验结
学校的转型发展不是一个无目的的过程,我们必须深入思考学校的本质定位以及学校转型发展的路径选择。学校转型发展面临着公平与效率的价值选择,学校转型发展还要担负起社会公
6月17日,最高人民法院在河北省黄骅市法院开庭,就被告人杨方振被二审判处死刑一案进行复核。一起普通案件之所以引来各界关注,因为这是自2007年1月1日最高人民法院收回死刑核准
<正> 关于《水浒传》的创作本旨问题,明清以来有三种说法:一是"弭盗"说,一是"忠义"说,一是"诲盗"说。"诲盗"说最后发展为"歌颂农民起义的英雄史诗"说;"弭盗"说最后发展为"宣
随着经济收入增加,国民对汽车需求量加剧,汽车产业占据国家经济总量的重要份额。市场竞争激烈,开发周期缩短,汽车工业平台化开发,车型更新换代更多是车身的革新。在车身制造
目的分析少动鞘氨醇单胞菌致颅内感染的临床和细菌学特征,检测少动鞘氨醇单胞菌的药物敏感谱及探讨其可能的氨基糖苷类耐药机制。方法细菌生理生化分析鉴定,药物敏感性试验,
目的:体外诱导培养 DC,探讨 DC 的生物学特性及其抗肿瘤作用。 方法:从人外周全血中分离单个核细胞,用人重组粒细胞/巨噬细胞集落刺激因子(rhGM-CSF)和人重组白细胞介素 4(rhIL-4)诱
混响室相对于暗室测试系统来说具有测试空间大、测试成本低、测试时间短等显著优势,然而混响室中较大的测试不确定度限制了其推广应用,本文主要研究EUT(equipment under test
我国水土流失有序治理以来,水土流失现状以及生态环境得到明显改善,并且在水土保持技术效益评价、适宜性评价等方面也有相关研究,但对水土保持技术评价,仍存在评价指标、模型以及方法的可适性低等问题。目前围绕水土保持技术评价等相关问题的研究主要集中在效益评价等方面,未能完全揭示水土保持技术的本质。基于此,通过对水土保持技术产生的生态经济学相关问题分析,界定水土保持技术的内涵,分析水土保持技术的特征,明确水土
欧盟《通用数据保护条例》对反兴奋剂领域的个人信息保护规则产生了很大的影响,迫使世界反兴奋剂机构做出法律改革,但依然存在许多争议。最引人注目的是反兴奋剂信息处理的合