基于深度卷积网络特征优化的图像分类

《基于深度卷积网络特征优化的图像分类》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、液料謂我衫園碩士学位论文＿＿處基于鐘卷糊雜征优化酬像分类作者姓名丁鑫指导教师姓名、职称田小林副教授９申请学位类别工学硕士西安电子科技大学学位论文独创性（或创新性）声明秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研宄成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成果；也不包含一为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我同工作的同事对本研究所做的任何贡献均己在论文中作了明确的说明并

2、表示了谢意。一切法律责任学位论文若有不实之处，本人承担。“■本人签名：Ｊ＆日期：畑“西安电子科技大学关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权属于西安电子科技大学。学校有权保留送交论文的复印件，允许查阅、借阅论文；学校可以公布论文的全部或部分内容，允许采用影印、缩印或其它复制手段保存论文。同时本人保证，结合学位论文研究成果完成的论、。文发明专利等成果，署名单位为西安电子科技大学保密的学位论文在年解密后适用本授权书。＿＋竹本人签名：导师签名：

3、丁各＾＾日期：日期：学校代码10701学号1502120784分类号TP391密级公开西安电子科技大学硕士学位论文毕业论文中文题目基于深度卷积网络特征优化的图像分类作者姓名：丁鑫一级学科：电子科学与技术二级学科：电路与系统学位类别：工学硕士指导教师姓名、职称：田小林副教授学院：人工智能学院提交日期：2018年6月ImageClassificationBasedonFeatureOptimizationofDeepConvolutionalNetworkAthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillm

4、entoftherequirementsforthedegreeofMasterinCircuitsandSystemsByDingXinSupervisor:TianXiaolinTitle:AssociateProfessorJune2018摘要摘要随着互联网技术的快速发展，人们在网上产生或者浏览的数据量呈现出几何式的增长，这就产生了许多垃圾信息，或者说对个人没有利用价值的信息。细分到图像领域，图像数据如何做到精准地推荐给用户，这就需要改进图像的分类算法。图像数据具有直观且包含信息多的优点使得人们对它的需求越来越强烈。图像分类领域的研究已经成为了计算机视觉中非常重要的分支

5、。近年来，深度学习已经让图像的分类变得非常简单，然而人们对图像分类的精度和速度上的要求也越来越高。本文对图像分类问题提出了一些基于深度网络优化的方法和改进的模型结构。1.提出了一种基于深度网络和稀疏Fisher矢量的图像分类方法。该方法首先通过预训练的卷积神经网络提取图像特征，将得到的特征进行稀疏Fisher矢量编码，编码后的特征送入支持向量机分类器进行训练。该方法降低了编码的复杂度，提高了特征的表征能力，进而提高了数据的分类准确性。2.提出一种深度网络特征集成优化的分类方法。该方法首先提取卷积神经网络中每一个池化层后的特征，训练的参数并不是网络内的权值参数，而是训练一组滤波

6、器参数，它能够选择池化后的特征，最后将卷积网络中池化后的特征都通过这样一组滤波器训练，最后用集成学习的策略得到所需的分类标签。该方法并不需要重新训练网络，可以利用预训练的网络参数，在速度上有了很大的提高，而且精度方面也有一定的提高。3.提出了一种基于度量学习与多模型融合的图像分类方法。该方法首先对每一个样本数据使用SSD(SingleShotMultiBoxDetector)进行目标检测，然后在图像中裁剪出目标。该方法采用改进的孪生(Siamese)结构和多模型融合对裁剪出的区域进行处理。这种方法能进一步降低背景的影响和克服单模型的局限性，进而提高分类的准确性。本论文工作得到

7、了国家自然科学基金（No.61571342）的资助。关键词：图像分类，稀疏Fisher矢量，集成学习，度量学习，多模型融合IABSTRACTABSTRACTWiththerapiddevelopmentofInternettechnology,theamountofdatageneratedorviewedontheInternetshowsageometricgrowth,whichgeneratesalotofspam,orinformationthatdoesnothaveusagevalue.S