深层次特征学习的Adaboost大规模图像分类算法

• 作者: 彭雯 王俊岭 蔡焱
• 来源期刊: 电视技术
• 学科: 工学
• 关键词: 图像分类 权值 分类精度
• 年，卷（期）: 2017,（11）
• 所属期刊栏目: 数字视频
• 页码范围: 40-45
• 页数: 6页
• 分类号: TP301
• 字数: 3974字
• 语种: 中文
• DOI: 10.16280/j.videoe.2017.h11.007

摘要

针对浅层次大规模图像分类的低精度问题,提出深层次特征学习的Adaboost图像分类算法.首先以DBN作为弱分类器对样本图像进行学习,根据每次训练得到的分类错误率以及各样本的分类准确性调整权值;然后在所有弱分类器训练好以后,使用BP算子回溯再次整体调整体样本权值;最后将所有弱分类器集成强分类器,输出最终分类结果.使用MNIST和ETH-80两种数据集进行实验仿真,并将分类结果与其他算法进行比较.结果表明所提算法的分类精度明显高于其他算法,有效实现了高精度的大规模图像分类.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王俊岭	江西理工大学信息工程学院	10	32	3.0	5.0
2	彭雯	江西理工大学信息工程学院	5	7	1.0	2.0
3	蔡焱		1	0	0.0	0.0