一种基于DSmT推理的物品融合识别算法

• 作者: 唐乐爽 田国会 黄彬
• 来源期刊: 山东大学学报（工学版）
• 学科: 工学
• 关键词: 物品识别 信息融合 DSmT推理 深度学习 深度神经网络
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 控制科学与工程
• 页码范围: 50-56
• 页数: 7页
• 分类号: TP242.6
• 语种: 中文
• DOI: 10.6040/j.issn.1672-3961.0.2017.294

摘要

针对目前提升深度模型分类表现方法存在的硬件性能不足、结构创新不易、训练样本有限等问题,提出一种基于DSmT(Dezert-Smarandache)推理的物品融合识别算法.对于待识别目标,应用数据融合思想将来自不同深度学习模型提供的识别信息进行融合处理.利用已有的预训练深度学习模型,根据分类识别任务进行特定的微调;针对DSmT理论中构造信度赋值困难的问题,使用深度学习网络对图像的判别输出进行证据源信度赋值;在决策级层运用DSmT组合理论对信度赋值融合处理,进而实现物品的准确识别.在不改变网络模型结构与同一数据集的情况下,将提出的方法与单一网络模型和平均值处理方法进行对比测试试验.试验结果表明,该方法可以有效地提高物品图像的识别率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	田国会	山东大学控制科学与工程学院	117	2087	22.0	41.0
2	黄彬	山东大学控制科学与工程学院	11	80	5.0	8.0
3	唐乐爽	山东大学控制科学与工程学院	1	0	0.0	0.0