基于深度稀疏辨别的跨领域图像分类

• 作者: 周向东 杨涵方
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 跨领域图像分类 深度学习 迁移学习 主成分分析 稀疏正则化
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 图形图像处理
• 页码范围: 310-316
• 页数: 7页
• 分类号: TP391
• 字数: 5315字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2018.04.050

摘要

在图像分类任务中,由于图像背景、光照、拍摄角度等的变化,从源领域上训练的分类模型常常不适用于相关目标领域的图像数据.为此,提出一种基于深度卷积神经网络的迁移学习方法——稀疏辨别迁移模型.该方法通过自适应地学习目标领域辨别性特征分布优化分类函数,同时与特征预处理方法相结合,可获得较好的互补性作用.实验结果表明,与现有的基准与深度迁移方法相比,该方法在Office-Caltech和Office-31 2个标准跨领域分类数据集上均取得了较好的分类性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周向东	复旦大学计算机科学技术学院	35	323	10.0	17.0
2	杨涵方	复旦大学计算机科学技术学院	2	3	1.0	1.0