Print

基于跨层精简双线性网络的细粒度鸟类识别

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

  • 1 精简双线性特征
  • 2 跨层精简双线性网络
  •   2.1 跨层特征融合
  •   2.2 跨层精简双线性网络结构
  • 3 改进的损失函数
  • 4 实验结果及分析
  •   4.1 数据集
  •   4.2 实验内容
  •   4.3 对比实验
  • 5 结论

    • 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

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/f53d60b65e48f44ffc5e8206.html