论文摘要
特定建筑物识别可应用于旅游景点地点的查询。针对现有特定建筑物识别方法特征提取困难、识别率低等问题,提出一种基于卷积神经网络的特定建筑物识别方法。针对数据规模小的限制,提出利用预训练的VGG-16网络进行迁移学习,以改善网络效果。为了充分利用VGG-16网络中各层提取出的特征,提出自适应特征融合的方法。该方法针对网络中不同层提取出的特征图的层次不同、尺度不同的特点,给每个特征图设置可学习的权重,进而融合在一起进行预测。通过从网络上爬取的6 273张12类旅游景点建筑物图片作为数据集,对提出的方法进行验证。使用VGG-16网络训练,最终准确率为97.86%,处理速度为296 fps。利用自适应特征融合改进VGG-16网络,改进后最终准确率为98.93%,处理速度为289 fps,比改进前准确率提高1.07%。
论文目录
文章来源
类型: 期刊论文
作者: 王泽泓,刘厚泉
关键词: 建筑物识别,卷积神经网络,迁移学习,自适应,特征融合
来源: 计算机技术与发展 2019年12期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 建筑科学与工程,计算机软件及计算机应用,自动化技术
单位: 中国矿业大学计算机科学与技术学院
基金: 国家级大学生创新训练计划(201710290053)
分类号: TP391.41;TP183;TU201
页码: 40-43
总页数: 4
文件大小: 1234K
下载量: 228