基于卷积词袋网络的视觉识别

• 作者: 刘洪山 毛亮 薛昆南 薛月菊
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 卷积神经网络 卷积词袋(BoCW)表示 主-辅集成分类器
• 年，卷（期）: 2016,（21）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 180-187
• 页数: 8页
• 分类号: TP183
• 字数: 6414字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1603-0349

摘要

近年来，卷积神经网络（CNN）凭借其强大的特征学习能力在视觉识别领域取得重要进展。针对CNN全连接层对图像平移、旋转、缩放等变换比较敏感的问题，提出了一种混合模型——卷积词袋网络（BoCW-Net）。它将BoW模型嵌入CNN结构中并代替全连接层，通过端到端的方式学习特征、字典和分类器。为实现BoCW-Net整个网络的有监督学习，提出基于方向相似度的BoCW编码。同时，为充分利用中层特征和高层特征的鉴别性，将中层辅助分类器与高层分类器集成，形成主-辅集成分类器。实验结果表明：相比全连接层，BoCW表示对各种变换具有更强的不变性；主-辅集成分类器能有效融合中层、高层特征，提高BoCW-Net的识别性能；相比新近发展的CNN模型，BoCW-Net在CIFAR-10、CIFAR-100和MNIST数据库上均取得了改进的识别性能，最终分别获得4.88%、22.48%和0.21%的测试错误率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	毛亮	华南农业大学电子工程学院	6	35	3.0	5.0
2	薛月菊	华南农业大学电子工程学院	38	416	12.0	19.0
3	刘洪山	华南农业大学电子工程学院	37	141	7.0	10.0
4	薛昆南	华南农业大学电子工程学院	2	8	2.0	2.0