基于深度学习的手绘草图识别
现有的手绘草图识别方法严重依赖于费时费力的手工特征提取,而经典的深度学习模型主要是为彩色多纹理自然图像设计,用于识别手绘草图时效果不甚理想.提出一种基于深度学习的手绘草图识别方法(Deep-Sketch),该算法根据手绘草图缺失颜色、纹理信息的特点,使用大尺寸的首层卷积核取代自然图像识别中常使用的小尺寸首层卷积核,获得更多的空间结构信息.利用训练浅层模型获得的模型参数来初始化深层模型对应层的模型参数,以加快收敛,减少训练时长.加入不改变特征大小的卷积层来加深网络深度等方法以减小错误率.实验结果表明,所提出的方法较之其它几种主流的手绘草图识别方法具有良好的正确率,对250类手绘草图识别正确率达到69.2%.
手绘草图识别、深度学习、卷积神经网络
48
TP391.41(计算技术、计算机技术)
国家自然科学基金资助项目61472001,61202227;安徽省自然科学基金项目1408085MF122,1508085MF127;安徽省高校自然科学研究重点项目KJ2016A041;安徽大学信息保障技术协同创新中心公开招标课题ADXXBZ2014-5,ADXXBZ2014-6
2016-06-27(万方平台首次上网日期,不代表论文的发表时间)
共6页
94-99