基于深度卷积神经网络的羽绒图像识别

摘要：

由于图像中羽绒形态及其多样性,传统的图像识别方法难以正确识别羽绒分拣图像中的羽绒类型,其识别精度也难以达到实际生产的要求.为解决上述问题,构造了一种用于羽绒类型识别的深度卷积神经网络,并对其权值初始化方法进行了改进.首先利用视觉显著性模型提取羽绒图像的显著部分,然后将图像的显著部分输入到稀疏自动编码器中进行训练,得到一组符合数据集统计特性的卷积核集合.最后采用Inception及其变种模块实现深度卷积神经网络的构造,通过增加网络深度来提高网络的识别精度.试验结果表明,用所构造的深度卷积神经网络对羽绒图像识别的精度较传统卷积神经网络的提高了2.7％,且改进的权值初始化方法使网络的收敛速度提高了25.5％.

关键词：深度卷积神经网络、权值初始化、稀疏自编码、视觉显著性、图像识别

所属期刊栏目：39

分类号：TP183;TP391.41(自动化基础理论)

资助基金：国际合作专项基金资助项目2013DFA11320;河北省自然科学基金资助项目F2015201033、F2017201069;“云数融合、科教创新”基金课题2017A20004

在线出版日期：2018-06-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：11-17