基于VGGNet和标签分布学习的航拍目标分类方法

• 作者: 乔弘 戚银城 杜丽群 王磊 赵振兵
• 来源期刊: 电力建设
• 学科: 工学
• 关键词: 输电线路航拍图像 VGG网络(VGGNet) 标签分布学习(LDL) 目标分类 客观标签量化
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 智能电网
• 页码范围: 109-115
• 页数: 7页
• 分类号: TM726|TH165+.3|TN911.73
• 字数: 5682字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-7229.2018.02.014

摘要

输电线路航拍图像具有分辨率低、背景复杂、伪目标多等特点,使得传统图像特征描述法在解决航拍图像目标分类时效果不佳.标签分布学习(label distribution learning,LDL)算法能有效解决图像特征与标签分布的映射问题.该文提出一种基于VGG网络(visual geometry group net,VGGNet)深度神经网络和客观量化标签分布学习的航拍图像目标分类方法,将基于VGGNet提取的深度特征和客观标签量化相结合,完成测试图像的标签分布预测.在相同的客观量化标签分布学习分类器参数设置下,基于VGGNet提取的深度特征对输电线路航拍图像中绝缘子、杆塔和输电线分类的错误率分别为30.3％、33.0％和37.6％,均低于基于传统特征的分类错误率.试验结果表明,基于VGGNet提取的深度特征和客观量化标签分布学习方法能更好地解决航拍图像中目标分类问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王磊		45	302	11.0	15.0
2	赵振兵		54	713	15.0	25.0
3	戚银城		65	534	15.0	20.0
4	杜丽群		2	15	2.0	2.0
5	乔弘		5	24	3.0	4.0