论文摘要
提出一种基于细粒度图像和多属性融合的多任务卷积神经网络(MTCNN)。该网络主要包含几个关键环节,首先在网络中增加标签输入层,复制并分离输入的多个标签,通过全连接层与多个任务相匹配,增加与标签数量相应的Softmax损失函数,来对多个任务进行反向传播;然后,使用显著性检测与角点检测相结合的方法,提取出原始图像中的细粒度图像用于MTCNN的数据输入,使神经网络提取到的目标特征具有独特性和区分性;最后,使用非线性激活函数PReLu,进一步提高网络的分类精度。通过在Car Dataset中进行多任务并行训练,测试精度较传统单个任务的分类精度提升10%,实验结果表明,MTCNN有较高的泛化能力,对于图像分类的精度有明显的提升。
论文目录
文章来源
类型: 期刊论文
作者: 张苗辉,张博,高诚诚
关键词: 机器视觉,多任务卷积神经网络,深度学习,细粒度图像
来源: 激光与光电子学进展 2019年23期
年度: 2019
分类: 信息科技
专业: 计算机软件及计算机应用,自动化技术
单位: 河南大学大数据分析与处理河南省重点实验室,河南大学数据与知识工程研究所
基金: 国家自然科学基金(61802111),中国博士后面上基金(2015M582182),河南省青年骨干教师资助课题(2017GGJS019),河南省博士后基金(001703007),河南省教育厅科学技术研究重点项目(19A520002)
分类号: TP391.41;TP183
页码: 222-229
总页数: 8
文件大小: 828K
下载量: 526
相关论文文献
标签：机器视觉论文; 多任务卷积神经网络论文; 深度学习论文; 细粒度图像论文;