基于卷積神經(jīng)網(wǎng)絡(luò)的視覺(jué)識(shí)別研究.pdf

1、近年來(lái)，卷積神經(jīng)網(wǎng)絡(luò)（CNN）憑借其強(qiáng)大的特征學(xué)習(xí)能力在視覺(jué)識(shí)別領(lǐng)域取得重要進(jìn)展，并受到學(xué)術(shù)界和工業(yè)界的廣泛關(guān)注。首先，本文對(duì) CNN的結(jié)構(gòu)進(jìn)行如下兩方面的創(chuàng)新研究：
　　1）針對(duì)CNN全連接層對(duì)圖像平移、旋轉(zhuǎn)、縮放等變換比較敏感的問(wèn)題，提出了一種混合模型——卷積詞袋網(wǎng)絡(luò)（BoCW-Net）。它將BoW模型嵌入CNN結(jié)構(gòu)中并代替全連接層，通過(guò)端到端的方式學(xué)習(xí)特征、字典和分類器。為實(shí)現(xiàn)BoCW-Net整個(gè)網(wǎng)絡(luò)的有監(jiān)督學(xué)習(xí)，提出基于方

2、向相似度的BoCW編碼。同時(shí)，為充分利用中層特征和高層特征的鑒別性，將中層輔助分類器與高層分類器集成，形成主-輔集成分類器。實(shí)驗(yàn)結(jié)果表明：相比全連接層，BoCW表示對(duì)各種變換具有更強(qiáng)的不變性；主-輔集成分類器能有效融合中層、高層特征，提高 BoCW-Net的識(shí)別性能；BoCW-Net在CIFAR-10、CIFAR-100和MNIST數(shù)據(jù)庫(kù)上均取得了改進(jìn)的識(shí)別性能，最終分別獲得4.88％、22.48%和0.21%的測(cè)試錯(cuò)誤率。
　　

3、2）鏈?zhǔn)浇Y(jié)構(gòu)的CNN雖然能利用表征全局的高層特征解決一般的粗糙分類問(wèn)題，但沒(méi)有利用表征局部細(xì)節(jié)的中層特征解決精細(xì)分類問(wèn)題。因此本文提出另外一種改進(jìn)模型——卷積詞袋-融合網(wǎng)絡(luò)（BoCW-FusionNet）。它將中層、高層特征的BoCW表示進(jìn)行級(jí)聯(lián)后再連接分類器，同樣是通過(guò)端到端的有監(jiān)督方式學(xué)習(xí)特征、字典和分類器。實(shí)驗(yàn)結(jié)果表明：BoCW-FusionNet相比鏈?zhǔn)紺NN獲得微小的改進(jìn)性能，在CIFAR-10和CIFAR-100數(shù)據(jù)庫(kù)上分別

4、獲得5.36%和24.82%的測(cè)試錯(cuò)誤率。
　　然后，利用改進(jìn)的CNN模型（BoCW-Net和BoCW-FusionNet）來(lái)解決實(shí)際應(yīng)用問(wèn)題，包括車型行人識(shí)別以及男女性別識(shí)別。車型行人數(shù)據(jù)包含6類車型（客車、轎車、面包車、貨車、三輪車以及摩托車）和1類行人的圖像，分類準(zhǔn)確率分別為98.06%（BoCW-Net）和97.94%（BoCW-FusionNet）。男女性別數(shù)據(jù)包含男女兩類的人臉或頭像照片，分類準(zhǔn)確率分別為96.20%（

5、BoCW-Net）和94.90%（BoCW-FusionNet）。實(shí)際應(yīng)用表明，改進(jìn)的CNN模型均獲得較好的識(shí)別性能。
　　BoCW-Net和BoCW-FusionNet的分類性能比較表明：無(wú)論公共數(shù)據(jù)庫(kù)還是實(shí)際應(yīng)用數(shù)據(jù)，中層、高層 BoCW表示的主-輔分類器集成方式相比級(jí)聯(lián)方式能有效地融合中層和高層特征。最后，使用BoCW-Net參與Kaggle大數(shù)據(jù)分析平臺(tái)上的CIFAR-10物體識(shí)別競(jìng)賽和FER2013人臉表情識(shí)別競(jìng)賽，分別