论文摘要
细微的类间差异和显著的类内变化使得细粒度图像分类极具挑战性。为了对鸟类图像进行细粒度识别,提出一种基于跨层精简双线性池化的深度卷积神经网络模型。首先,根据Tensor Sketch算法计算出多组来自不同卷积层的精简双线性特征向量;其次,将归一化后的特征向量级联送至softmax分类器;最后,引入成对混淆对交叉熵损失函数进行正则化以优化网络。提出的模型无需额外的部件标注,可进行端到端的训练。结果表明,在公开的CUB-200—2011鸟类数据集上,该模型取得了较好的性能,识别正确率为86. 6%,较BCNN提高2. 5%。与多个先进细粒度分类算法的对比,验证了提出模型的有效性和优越性。
论文目录
文章来源
类型: 期刊论文
作者: 蓝洁,周欣,何小海,滕奇志,卿粼波
关键词: 鸟类识别,精简双线性变换,跨层特征融合,成对混淆,细粒度图像分类
来源: 科学技术与工程 2019年36期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 计算机软件及计算机应用
单位: 四川大学电子信息学院,中国信息安全测评中心
基金: 国家自然科学基金(61871278),成都市产业集群协同创新项目(2016-XT00-00015-GX),四川省科技计划(2018HH0143),四川省教育厅项目(18ZB0355)资助
分类号: TP391.41
页码: 240-246
总页数: 7
文件大小: 2504K
下载量: 205