10.3969/j.issn.1000-3428.2018.04.050
基于深度稀疏辨别的跨领域图像分类
在图像分类任务中,由于图像背景、光照、拍摄角度等的变化,从源领域上训练的分类模型常常不适用于相关目标领域的图像数据.为此,提出一种基于深度卷积神经网络的迁移学习方法——稀疏辨别迁移模型.该方法通过自适应地学习目标领域辨别性特征分布优化分类函数,同时与特征预处理方法相结合,可获得较好的互补性作用.实验结果表明,与现有的基准与深度迁移方法相比,该方法在Office-Caltech和Office-31 2个标准跨领域分类数据集上均取得了较好的分类性能.
跨领域图像分类、深度学习、迁移学习、主成分分析、稀疏正则化
44
TP391(计算技术、计算机技术)
国家自然科学基金61370157
2018-11-23(万方平台首次上网日期,不代表论文的发表时间)
共7页
310-316