基于卷积神经网络的城管案件图像分类方法

作     者：杨浩 李灵巧 杨辉华 刘振丙 潘细朋 YANG Hao;LI Lingqiao;YANG Huihua;LIU Zhenbing;PAN Xipeng

作者机构：桂林电子科技大学计算机与信息安全学院广西桂林541004 北京邮电大学自动化学院北京100876 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2018年第54卷第10期

页      面：242-248,266页

学科分类：0711[理学-系统科学] 07[理学] 08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 

基　　金：广西重点研发计划项目(桂科AB16380293) 国家自然科学基金资助项目(No.21365008 No.61562013) 

主　　题：智慧城管 图像分类 卷积神经网络 零相位分量分析(ZCA)白化 dropout ReLU 

摘      要：以智慧城市管理系统中上报的案件图像为研究对象,利用卷积神经网络能够自行学习图像特征的优势,提出一种改进的深层卷积神经网络算法,并利用该算法对智慧城市管理系统(下简称智慧城管)的案件图像进行快速精确分类,从而完成城市管理系统中案件的自动分类。采用ZCA白化处理降低图像数据特征之间的相关性;搭建八层卷积神经网络对白化后的图像进行分类,并在卷积层采用线性纠正单元(Re LU)加速训练过程,在pooling层利用dropout技术防止算法过拟合;在网络精调阶段采用BP(Back Propagation)算法进行优化,提高算法的鲁棒性。基于上述方法对道路交通类和市容环境类两类案件图像进行二分类实验,平均精度达到97.5%,F1-Score达到0.98,性能超过了LSVM、SAE以及传统的CNN等方法;同时该方法又对电动车乱摆放类、乱扔垃圾类、机动车违章停放类、垃圾桶周围脏乱类共四类案件进行四分类实验,平均精度为90.5%,F1-Score为0.91,性能依然超过了LSVM、SAE以及传统的CNN等方法。