采用无监督学习算法与卷积的图像分类模型

摘要：

为了提高图像分类精度,降低训练复杂度,提出一种采用无监督学习算法与卷积构造的图像分类模型.首先,从输入无标签图像中随机抽取大小相同的图像块构成数据集,进行预处理.其次,将预处理后的图像块通过两次K-means聚类算法提取字典,并采用离散卷积操作提取最终图像特征.最后,采用Softmax分类器对提取的图像特征进行分类,得出准确率.将该模型与卷积神经网络(CNN),Dropout CNN网络进行比较,结果表明:在对大规模高维图像分类上,文中模型具有分类精确度高、简单、训练参数少、适应度高等优点.

关键词：K-means聚类、图像分类、卷积、卷积神经网络、Dropout

所属期刊栏目：39

分类号：TP391.41(计算技术、计算机技术)

资助基金：湖北省教育厅科学技术研究青年项目Q20161405;湖北省教育厅科学技术研究指导性项目B2015045

在线出版日期：2018-03-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：146-151