基于线性解码和深度回归预测的图像分类算法

• 作者: 伍萍 张鸿
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 线性解码器 回归模型 深度神经网络 图像分类
• 年，卷（期）: 2016,（11）
• 所属期刊栏目: 图像处理与应用
• 页码范围: 130-134
• 页数: 5页
• 分类号: TP3
• 字数: 4544字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2016.11.031

摘要

针对图像分类研究中的分类器输入范围限制和缩放问题，提出一种基于线性特征解码和深度回归模型图像分类算法。首先，通过线性解码器学习低分辨率图像的特征参数；然后，运用学习到的特征对原始高分辨率图像进行卷积和池化操作，得到特征矩阵；再通过 Softmax 回归模型对图像进行深度学习和分类；最后用距离度量算法得到图像分类结果。实验结果从多方面对比和验证了该方法在分类效率方面超越了传统的误差反向传播算法 BP 和 K 最近邻分类算法 KNN。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张鸿	武汉科技大学计算机科学与技术学院	7	28	3.0	5.0
10	伍萍	武汉科技大学计算机科学与技术学院	1	3	1.0	1.0