基于深度卷积神经网络的物体识别算法

2017-01-13 20:26黄斌卢金金王建华吴星明陈伟海
计算机应用 2016年12期
关键词:计算机视觉特征提取卷积神经网络

黄斌+卢金金+王建华+吴星明+陈伟海

摘 要:针对传统物体识别算法中人工设计出来的特征易受物体形态多样性、光照和背景的影响,提出了一种基于深度卷神经网络的物体识别算法。该算法基于NYU Depth V2场景数据库,首先将单通道深度信息转换为三通道;再用训练集中的彩色图片和转换后的三通道深度图片分别微调两个深度卷积神经网络模型;然后用训练好的模型对重采样训练集中的彩色和深度图片提取模型第一个全连接层的特征,并将两种模态的特征串联起来,训练线性支持向量机(LinSVM);最后将所提算法应用到场景理解任务中的超像素特征提取。所提方法在测试集上的物体分类准确度可达到91.4%,比SAE-RNN方法提高4.1个百分点。实验结果表明所提方法可提取彩色和深度图片高层特征,有效提高物体分类准确度。

关键词:计算机视觉;卷积神经网络;特征提取;线性支持向量机;物体识别;场景理解

中图分类号:TP391.4

文献标志码:A

文章编号:1001-9081(2016)12-3333-08

猜你喜欢
计算机视觉特征提取卷积神经网络
基于MED—MOMEDA的风电齿轮箱复合故障特征提取研究
基于曲率局部二值模式的深度图像手势特征提取
机器视觉技术发展及其工业应用
危险气体罐车液位计算机视觉监控识别报警系统设计
深度学习算法应用于岩石图像处理的可行性研究
基于深度卷积网络的人脸年龄分析算法与实现
基于卷积神经网络的树叶识别的算法的研究