基于改进CNN特征的场景识别
随着人工智能的发展,场景识别作为计算机视觉研究的重要方向之一,吸引着越来越多研究者的关注.由于传统的手工特征无法充分描述场景图像的信息导致效果不理想,而卷积神经网络(CNN)提取的特征能够包含丰富的场景语义和结构信息,因此就常见的体系结构而言,本文选取AlexNet网络模型进行场景识别的研究,分别从网络模型的深度、宽度、多尺度化提取以及多层融合考虑进行改进,改进后在两个数据集上的识别率分别可达92.0%和94.5%,通过对比结果表明了本文方法的有效性.
场景识别、计算机视觉、卷积神经网络、AlexNet
27
上海市高校特聘教授东方学者岗位计划ES2015XX
2019-03-18(万方平台首次上网日期,不代表论文的发表时间)
共8页
25-32