-
题名基于卷积词袋网络的视觉识别
被引量：3
- 1
-
-
作者
薛昆南
薛月菊
毛亮
刘洪山
-
机构
华南农业大学电子工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2016年第21期180-187,共8页
-
基金
国家自然科学基金委员会-广东联合基金(No.U1301253)
广东省科技计划项目(No.2014A020208108)
-
文摘
近年来,卷积神经网络(CNN)凭借其强大的特征学习能力在视觉识别领域取得重要进展。针对CNN全连接层对图像平移、旋转、缩放等变换比较敏感的问题,提出了一种混合模型——卷积词袋网络(Bo CW-Net)。它将Bo W模型嵌入CNN结构中并代替全连接层,通过端到端的方式学习特征、字典和分类器。为实现Bo CW-Net整个网络的有监督学习,提出基于方向相似度的Bo CW编码。同时,为充分利用中层特征和高层特征的鉴别性,将中层辅助分类器与高层分类器集成,形成主-辅集成分类器。实验结果表明:相比全连接层,Bo CW表示对各种变换具有更强的不变性;主-辅集成分类器能有效融合中层、高层特征,提高Bo CW-Net的识别性能;相比新近发展的CNN模型,Bo CW-Net在CIFAR-10、CIFAR-100和MNIST数据库上均取得了改进的识别性能,最终分别获得4.88%、22.48%和0.21%的测试错误率。
-
关键词
卷积神经网络
卷积词袋(BoCW)表示
主-辅集成分类器
-
Keywords
convolutional neural networks
Bag of Convolutional Words(BoCW)representation
main-auxiliary ensemble classifier
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
