检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

图片分类特征增强的统计方法

计算机工程与应用 2009年第5期45卷 177-179页

作者：张子明刘金刚首都师范大学信息工程学院北京100043 中国科学院计算技术研究所北京100080

Bag-of-Words模型对于图片分类来说是一种非常有用的技术,它利用事先定义好的"可见字"为每张图片建立一个特征向量。提出了一种新的统计方法来发掘可见字对于每一类图片的区分能力,再利用线性模型合并"可见字",从而为每张图片构造新的... 详细信息

Bag-of-Words模型对于图片分类来说是一种非常有用的技术,它利用事先定义好的"可见字"为每张图片建立一个特征向量。提出了一种新的统计方法来发掘可见字对于每一类图片的区分能力,再利用线性模型合并"可见字",从而为每张图片构造新的特征向量。实验结果显示这一算法能够增强特征向量的区分度,进而提高图片分类的性能。

关键词：统计方法特征增强图片分类

在线全文

学校读者我要写书评

暂无评论

一种基于分形特征的图片分类算法

中国图象图形学报 2005年第6期10卷 754-757页

作者：刘文萍张常年赵会群李晓丽北方工业大学信息工程学院计算机学科北京100041

图片分类可用作图像搜索引擎的预滤波,以降低图像检索时的图像匹配数量,提高检索速度。本文提出了一种基于分形特征———局部分维数变化率(LFDS)的图片分类算法,该算法不需要任何的图像先验知识,仅利用分形特征就可将自然景物的照片和... 详细信息

图片分类可用作图像搜索引擎的预滤波,以降低图像检索时的图像匹配数量,提高检索速度。本文提出了一种基于分形特征———局部分维数变化率(LFDS)的图片分类算法,该算法不需要任何的图像先验知识,仅利用分形特征就可将自然景物的照片和人工绘制/计算机生成的图形区分出来。系统随机测试了445幅大小从192×128到2012×3094不等的图片,该算法对图形库的分类准确率为91·71%,图像库分类准确率为85·25%,实验结果证明了该算法的快速和有效性。

关键词：分形图片分类图像检索

在线全文

学校读者我要写书评

暂无评论

一种图片分类的序列构造神经网络方法

计算机工程与应用 2007年第31期43卷 172-174页

作者：王仁武陈家训东华大学信息学院

针对图片数据的分类问题,从动态构造网络的思想出发,讨论了序列构造神经网络的基本方法,并且把其应用于图片分类中,最后给出标准测试集的分类测试结果,并对其进行了比对、分析和讨论,实验结果表明此方法适合多维数据分析,取得了满意的... 详细信息

针对图片数据的分类问题,从动态构造网络的思想出发,讨论了序列构造神经网络的基本方法,并且把其应用于图片分类中,最后给出标准测试集的分类测试结果,并对其进行了比对、分析和讨论,实验结果表明此方法适合多维数据分析,取得了满意的效果。

关键词：动态构造图片分类神经网络

在线全文

学校读者我要写书评

暂无评论

一种图片分类的序列构造神经网络方法

情报科学 2007年第11期25卷 1692-1695页

作者：王仁武陈家训华东师范大学信息学系上海200062 东华大学信息学院上海200051

针对图片数据的分类问题,从动态构造网络的思想出发,讨论了序列构造神经网络的基本方法,并且把其应用于图片分类中。最后给出标准测试集的分类测试结果,并对其进行了比对、分析和讨论。实验结果表明此方法适合多维数据分析,取得了满意... 详细信息

针对图片数据的分类问题,从动态构造网络的思想出发,讨论了序列构造神经网络的基本方法,并且把其应用于图片分类中。最后给出标准测试集的分类测试结果,并对其进行了比对、分析和讨论。实验结果表明此方法适合多维数据分析,取得了满意的效果。

关键词：动态构造图片分类神经网络

在线全文

学校读者我要写书评

暂无评论

基于特征融合的亚洲食物图片分类

计算机工程与设计 2020年第12期41卷 3464-3471页

作者：武若琪徐冰曲志坚山东理工大学计算机科学与技术学院山东淄博255000

为对亚洲食物图片进行高效分类,提出一种结合图片分割与特征融合的图片分类模型SLGC。使用图片分割技术对图片进行预处理,提取食物主体,有效缩减特征提取时间。通过对亚洲食物的特有结构进行研究,在局部与全局两个维度分别将图片的颜色... 详细信息

为对亚洲食物图片进行高效分类,提出一种结合图片分割与特征融合的图片分类模型SLGC。使用图片分割技术对图片进行预处理,提取食物主体,有效缩减特征提取时间。通过对亚洲食物的特有结构进行研究,在局部与全局两个维度分别将图片的颜色特征融合到表示向量中,进一步提升特征提取效果。实验结果表明,SLGC模型能够更加全面地提取图片特征,提升分类准确率。

关键词：亚洲食物图片分类图片分割特征融合词袋模型

在线全文

学校读者我要写书评

暂无评论

基于多组分异构迁移学习的图片分类方法

基于多组分异构迁移学习的图片分类方法

作者：蒋慧强华南理工大学

学位级别：硕士

传统的机器学习模型由于依赖于数据的生成机制不随环境改变的假设,在许多应用场景中并不能满足实际需求。迁移学习的出现有效地缓解了这个问题,其放宽了传统机器学习中训练数据和测试数据必须独立同分布的限制,利用不同但是相关的领域... 详细信息

传统的机器学习模型由于依赖于数据的生成机制不随环境改变的假设,在许多应用场景中并不能满足实际需求。迁移学习的出现有效地缓解了这个问题,其放宽了传统机器学习中训练数据和测试数据必须独立同分布的限制,利用不同但是相关的领域之间存在的共性,将源域中学习得到的知识在目标域中复用。不仅如此,得益于能够在特征空间不同的领域进行知识迁移,异构迁移学习的提出进一步拓宽了机器学习的应用范围。在异构迁移学习中,源域与目标域的连接需要依赖于源域中与目标域分布最相似的组分,而大多数模型对于其在目标域中的潜在作用均没有给予足够的关注。如果源域被与目标域不相关或者起消极作用的组分主导的话,则迁移学习的性能将会大幅下降。针对这个问题,本文首先对异构迁移学习中源域组分进行了分析,并据此提出了多组分异构迁移学习算法,应用到图片分类问题中。我们的主要工作概括如下:(1)在异构迁移学习中引入了组分的概念,并对源域组分在知识迁移过程中的潜在作用进行了分析,分析结果显示:源域中不同组分对目标域模型的作用表现各异,其中某些组分的存在甚至会降低目标域模型的性能;(2)基于这个发现,本文提出了一个给组分加权以减少源域中起消极作用组分的影响的方法。我们首先通过聚类将源域中各组分分离出来,并基于各独立组分分别为目标域训练模型。然后为得到的模型赋予权重来量化其性能,通过优化权重来为目标域组合得到一个性能最优的模型。我们在标准数据集上将多组分异构迁移学习算法与四个相关领域的模型进行了对比,实验结果表明我们提出的算法在分类准确率、精确率和召回率上均优于相关领域的前沿算法。

关键词：迁移学习图片分类异构多组分

面向移动端图片分类的轻量级神经网络架构研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向移动端图片分类的轻量级神经网络架构研究

作者：代小明西北大学

学位级别：硕士

近年来,随着对神经网络的不断探索及移动手机硬件的更新换代,越来越多的研究聚焦于如何设计有效的模型,支撑起移动终端的任务推理。图片分类是众多研究中的经典任务,可用于以图搜图、人脸识别、医疗影像等诸多领域,在现实中有重大实用... 详细信息

近年来,随着对神经网络的不断探索及移动手机硬件的更新换代,越来越多的研究聚焦于如何设计有效的模型,支撑起移动终端的任务推理。图片分类是众多研究中的经典任务,可用于以图搜图、人脸识别、医疗影像等诸多领域,在现实中有重大实用意义。而在移动端上进行图片分类主要面临如下两个问题:神经网络模型往往是参数量大且计算密集型的,存储和计算资源的开销给移动端带来了很大的负担;而移动端和云端结合的处理方式虽然高效,但也面临隐私泄露的风险。这些问题严重制约了主流的高精度模型在实际生活中的应用。随着神经网络的发展,研究者设计了许多轻量级神经网络。现有方法:(1)网络自动搜索。通过搜索策略发掘有效的模型架构,但这种方法需要高性能的服务器才可能实现;(2)紧促型网络设计,通过设计有效的网络架构实现模型轻量化,虽从参数量和计算量降低了模型规模,但这也导致模型特征提取能力的欠缺,进而影响模型精度;(3)模型裁剪方法,通过删除模型中性能较差的神经元或者连接得到一个稀疏化的模型,但结构的变化导致较大幅度的精度下降。本研究力图打破瓶颈限制,以紧促型神经网络模块为基础设计更高效的架构,并以特征增强和模型优化为补充提升模型的整体性能。本研究通过分析上述研究方向的优缺点,面向移动终端真实场景应用需求,提出了一个兼顾模型规模和精度的神经网络模型。首先,提出了新的神经网络基础模块(base)来构建模型,该模块以特征升维保证模块内信息的多样性、再利用深度可分离卷积和标准卷积并行地提取图片特征、最后进行特征降维三个步骤实现参数量和计算量减少的同时达到较好的模型性能;其次,由于模型训练时神经元的学习效率并不相同,本文以注意力算法作为补充嵌入到基础模块中,主要通过设计的浅层卷积神经网络分析通道域和空间域的特征响应强度作为注意力权重,增强良好特征以进一步提升精度;最后,为了确保设计的模型能够部署于移动端,设计了训练过程中的伪量化策略模拟轻量化模型的推理过程后进行模型优化,既减小了模型规模,又保证了精度的相对稳定。经过实验验证,本研究在多个公开数据集上表现出优秀的模型性能,在真实移动手机场景下也能实时且长时地进行图片识别任务。

关键词：移动终端图片分类神经网络低开销

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向商品图片分类的对抗样本攻击策略研究

面向商品图片分类的对抗样本攻击策略研究

作者：何帆西安电子科技大学

学位级别：硕士

当下深度神经网络在人工智能领域扮演着无可替代的角色,特别是在无人驾驶、图像和语音识别等方面都取得了显著成就。但是随着对深度神经网络的研究深入,其安全问题也开始逐渐显露,并得到研究者们的高度重视。调查研究表明,在图像分类领... 详细信息

当下深度神经网络在人工智能领域扮演着无可替代的角色,特别是在无人驾驶、图像和语音识别等方面都取得了显著成就。但是随着对深度神经网络的研究深入,其安全问题也开始逐渐显露,并得到研究者们的高度重视。调查研究表明,在图像分类领域,现有的基于深度神经网络的图像分类器十分容易遭到恶意样本的欺骗攻击——通过在干净图片上添加人眼难辨的扰动生成的图片样本去欺骗深度神经网络模型,使网络模型对图片的分类产生错误输出。这种在原图片基础上经过精心调试出的、能够误导深度神经网络模型输出的图片样本便被称为对抗样本。对抗样本对于神经网络的威胁是相当致命的,尤其在某些重要的应用系统,恶意篡改的对抗样本输入很有可能导致不堪设想的后果。因此,如何提高防御能力也成为研究的热点。近几年,面向图像分类的攻防战在你来我往的较量中飞速发展。本文研究了近年来国内外经典的攻防策略:攻击方法有基于梯度的快速梯度符号法FGSM、基于动量迭代的梯度算法MIFGSM、深度欺骗算法DeepFool、C＆W攻击等;防御算法有对抗训练、基于随机化、基于去噪的防御算法等。尽管MIFGSM攻击方法在实际的比赛应用中是十分常用且有效的攻击方式,但是依旧无法达到高要求,本文主要专注于研究有目标的黑盒攻击方式,吸取了在实际竞赛中得到的经验,提出了一系列综合的基于MIFGSM集成攻击的增强策略,主要的创新点在于:（1）受到网络过拟合对图像分类不利影响的启发,提出将网络再次dropout提升生成对抗样本的泛化性;（2）受到高斯噪声平滑图片的启发,在Logits中添加随机噪声,以平滑损失,增强对抗样本的攻击成功率;（3）基于过度迭代并不利于网络分类的准确性和生成对抗样本的迁移能力的假设,提出自适应停止迭代策略,及时停止迭代以提高生成样本的迁移能力和减小扰动;（4）基于集成攻击中不同模型的权重对模型攻击成功率的影响,提出自适应的集成权重调整策略,使生成对抗样本时每次迭代灵活调整权重,以增强对网络模型的攻击成功率;（5）因迭代步长对网络模型分类准确率的影响,提出自适应迭代步长的调整策略,以提高对抗样本的攻击成功率。在上述方案的基础上,使用合理的综合“攻击成功率”和“扰动大小”两个维度的评估方案,以MIFGSM集成方案作为基准策略,对增强策略中的每种方案在商品数据集和ImageNet子数据集上进行了充分的单独实验、组合实验,在不同的网络模型上通过评估方案得分,来验证增强方案的贡献性。无论是在实际竞赛中还是线下测试的实验证明,本文提出的每个增强方案在综合得分上都较基准策略有明显提升。且每个方案的贡献点不同,有的着重于提高攻击成功率,有的着重于减小扰动的大小,并同时增强了对抗样本的迁移能力,且通过有选择性的进行方案组合,最终取得意想不到的效果。

关键词：深度神经网络图片分类对抗样本攻击防御

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于特征融合的亚洲食物图片分类方法研究

基于特征融合的亚洲食物图片分类方法研究

作者：武若琪山东理工大学

学位级别：硕士

图片分类技术旨在借助机器学习算法与计算机的高速运算能力来实现图片信息的提取、理解与分类。而食物图片分类作为细粒度的分类问题,在具体实施过程中面临更多困难。不同国家和地区的饮食习惯与菜品呈现方式差异很大,尤其是亚洲食物图... 详细信息

图片分类技术旨在借助机器学习算法与计算机的高速运算能力来实现图片信息的提取、理解与分类。而食物图片分类作为细粒度的分类问题,在具体实施过程中面临更多困难。不同国家和地区的饮食习惯与菜品呈现方式差异很大,尤其是亚洲食物图片,其内容琐碎、结构复杂,相关分类量化方法仍有较大空白,亟需针对亚洲食物特点制定的特征提取与融合方案。针对上述问题,本文进行了分类模型构建与特征提取方案制定两个层面的研究工作:(1)分类模型构建部分,提出一种针对亚洲食物图片的分类模型MDFC(Multidimensional Fusion and Classification)。其完整处理流程包括:在图片预处理阶段使用Grab Cut算法进行迭代化的图片分割过程,去除背景干扰信息的同时突显食物主体;在特征提取阶段使用SURF描述子进行局部特征表示,并借助图片的颜色特征进一步加强特征向量的表达能力;在分类阶段使用配置径向基核函数的支持向量机进行数据分类操作。MDFC各技术组成部分及参数设定均已针对亚洲菜品的特有结构进行优化,经过实验验证,可以有效提升亚洲食物图片分类效果。(2)特征提取方案制定部分,提出了结合亚洲食物图片的局部特征、颜色特征以及结构特征的特征提取与融合方案。其主要包含两个维度的特征信息处理流程:微观层面,结合对特征点位置与菜品点缀区域的研究,将SURF特征点信息与其特定邻域内像素的颜色信息进行局部特征融合。宏观层面,结合对亚洲食物类间色彩差异现象的研究,将局部融合信息与图片整体色调信息进行全局特征融合。实验结果表明,本文提出的特征提取与融合方案能够有效提升特征表达能力,优化特征提取效果,初步探析了亚洲食物图片特征表达与图片分类结果可解释性的内在关联。

关键词：亚洲食物图片分类特征融合机器学习