基于分层深度学习的鲁棒行人分类

• 作者: 丁文秀 孙锐 闫晓星
• 来源期刊: 光电工程
• 学科: 工学
• 关键词: 目标识别 深度学习 无监督学习 非线性处理 稀疏编码
• 年，卷（期）: 2015,（9）
• 所属期刊栏目: 模式识别
• 页码范围: 21-27
• 页数: 7页
• 分类号: TN911.73
• 字数: 4450字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-501X.2015.09.004

摘要

针对行人分类中常见的光照条件、形体变化以及遮挡等多种因素,对特征提取过程造成了很大的阻碍.本文提出一种基于稀疏编码的分层特征提取方法.该方法采用前向预测函数训练最优的稀疏编码,在深度卷积网络模型的框架下以卷积预测稀疏分解算法(CPSD)分别对两层模型进行无监督学习,将两层的特征融合起来,最后采用支持向量机算法实现行人分类.实验结果表明,该文特征学习方法对行人分类的有效性,对比同类方法性能有明显提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙锐	合肥工业大学计算机与信息学院	46	332	10.0	16.0
2	闫晓星	合肥工业大学光电技术研究院	7	56	4.0	7.0
3	丁文秀	合肥工业大学计算机与信息学院	3	18	3.0	3.0