10.16208/j.issn1000-7024.2019.05.037
基于迁移学习及特征融合的轮胎花纹图像分类
为提高图像分类性能,解决因训练数据不足导致卷积神经网络模型过拟合的问题,提出一种基于迁移学习和特征融合的轮胎花纹图像分类算法.将HSV颜色直方图、GIST描述子与方向梯度直方图结合作为轮胎图像低层特征;将迁移学习引入卷积神经网络模型训练中,通过轮胎图像数据集对预训练模型参数微调,获得适用于轮胎花纹图像的新模型,提取全连接层特征作为图像高层特征;将低层和高层特征融合作为轮胎图像最终特征用于训练SVM分类器,实现高效分类.实验结果表明了所提算法的有效性.
轮胎花纹图像分类、迁移学习、卷积神经网络、高层特征、特征融合
40
TP391.41(计算技术、计算机技术)
国家自然科学基金项目61671377;公安部科技强警基金项目2016GABJC51;陕西省国际合作研究基金项目2017KW-013
2019-08-02(万方平台首次上网日期,不代表论文的发表时间)
共6页
1401-1406