基于并行深度卷积神经网络的图像美感分类

• 作者: 师婷婷 徐向民 王伟凝 王励 蔡成加 赵明权
• 来源期刊: 自动化学报
• 关键词: 图像美感评估 深度卷积神经网络 并行卷积神经网络 特征提取
• 年，卷（期）: 2016,（6）
• 页码范围: 904-914
• 页数: 11页
• 字数: 10845字
• 语种: 中文
• DOI: 10.16383/j.aas.2016.c150718

摘要

随着计算机和社交网络的飞速发展，图像美感的自动评价产生了越来越大的需求并受到了广泛关注。由于图像美感评价的主观性和复杂性，传统的手工特征和局部特征方法难以全面表征图像的美感特点，并准确量化或建模。本文提出一种并行深度卷积神经网络的图像美感分类方法，从同一图像的不同角度出发，利用深度学习网络自动完成特征学习，得到更为全面的图像美感特征描述；然后利用支持向量机训练特征并建立分类器，实现图像美感分类。通过在两个主流的图像美感数据库上的实验显示，本文方法与目前已有的其他算法对比，获得了更好的分类准确率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐向民	华南理工大学电子与信息学院	60	587	11.0	22.0
2	王伟凝	华南理工大学电子与信息学院	16	300	10.0	16.0
3	王励	华南理工大学电子与信息学院	3	95	3.0	3.0
4	赵明权	华南理工大学电子与信息学院	1	68	1.0	1.0
5	蔡成加	华南理工大学电子与信息学院	1	68	1.0	1.0
6	师婷婷	华南理工大学电子与信息学院	1	68	1.0	1.0