【摘 要】
：
传统的图像分类问题多使用人工设计的图像特征进行分类,然而部分果蔬图像存在颜色、纹理和形状差异较小的现象,导致传统特征分类效果不够理想.针对这一问题,本文提出一种融合人工特征和深度学习特征的果蔬分类算法.首先使用Inception V3预训练模型提取果蔬图像的卷积神经网络特征;其次提取图像的颜色直方图和SIFT特征,并对SIFT特征进行局部线性编码;接着使用判别相关分析对特征进行降维融合;最后使用S
【机 构】
：
上海理工大学 光电信息与计算机工程学院,上海,200093
论文部分内容阅读
传统的图像分类问题多使用人工设计的图像特征进行分类,然而部分果蔬图像存在颜色、纹理和形状差异较小的现象,导致传统特征分类效果不够理想.针对这一问题,本文提出一种融合人工特征和深度学习特征的果蔬分类算法.首先使用Inception V3预训练模型提取果蔬图像的卷积神经网络特征;其次提取图像的颜色直方图和SIFT特征,并对SIFT特征进行局部线性编码;接着使用判别相关分析对特征进行降维融合;最后使用SVM进行训练得到分类器.通过自建果蔬图像数据库下的试验结果表明:DCA降维融合后的特征在果蔬分类准确性和
其他文献
近年来,机器学习算法广泛应用于多个领域.超参数的选择直接影响了算法模型的性能,然而超参数优化过程往往依赖于专业知识和长期经验的积累.为了解决上述问题,本文提出了一种
多标记特征选择是机器学习和人工智能领域的研究热点之一,现有多标记学习的研究是假设每个示例的标记呈均匀分布,即每个示例的各个相关标记的重要程度相同.然而,在许多应用领
QR码(Quick Response Code)作为重要的信息载体,正面临着严重的信息泄露和信息篡改等安全威胁.本文提出一种基于拟态防御思想的QR码信息加密架构(Mimic QR Code,M-QR),以提升
针对SRGAN红外图像超分辨重建时,存在图像高频特征丢失及细节伪影问题,本文提出双判别生成对抗网络DDSRGAN(Double Discrimination-SRGAN)重建算法,并改进网络结构.在图像判别器的基础上增设特征判别器,在生成网络中引入无BN(Batch Normalization)层的残差中的残差块RIRB(Residual in Residual Block),内部残差块密集连接,
为了解决K-means算法对初始聚类数k和初始聚类中心经验参数的依赖问题,提出了一种基于最小生成树的无参数化聚类MNC算法(MST based Non-parameterized Clustering).首先将待
有容量集合覆盖选址问题是组合优化中的一个经典的NP-Hard问题,在许多工程领域和科学领域中的应用十分广泛.本文将集合覆盖问题的模型应用到有容量设施选址问题中,首先研究了
为了缩小可见光视频和红外视频之间的模态差异而提高红外行为识别率,以及简化深度学习用于红外行为识别需人工标注数据集繁琐的问题.基于迁移学习的思想,本文提出一种用可见光动作(源域)来识别红外动作(目标域)的无监督异构红外行为识别算法(UHDIAR). UHDIAR算法将可见光数据和红外数据映射到同一个对齐的特征空间中,采取余弦相似度调整源域样本的权重,利用对齐后的可见光数据训练权重支持向量机(W-SV
传统的K-means算法及其改进算法在对数据集进行聚类划分时通常精确地确定样本点与聚簇的隶属关系,没有充分考虑隶属关系模糊的边界点.本文提出一种结合三支决策理论的改进算
不断增长的互联网网页信息和成千上万的用户查询请求给搜索引擎的索引更新和查询访问带来了前所未有的实时性挑战.高效的索引压缩算法能够降低索引数据的存储和传输开销,加快
本文针对实际生产中需要对工件进行自动检测,获取工件质心的问题,采用了边缘检测技术以及最小外接矩形算法对工件定位的方式,采用了BP神经网络完成相机标定.针对基于RCF的边缘检测技术生成边缘粗糙的问题,提出了一种RCF(Richer Convolutional Features for Edge Detection)模型的优化方法,将每个阶段用于提升特征图分辨率的反卷积操作替换成可以生成更精细边缘、时