一种数据增强和多模型集成的细粒度分类算法

• 作者: 熊昌镇 蒋杰
• 来源期刊: 图学学报
• 学科: 工学
• 关键词: 细粒度分类 数据增强 卷积网络 集成学习
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 计算机视觉
• 页码范围: 244-250
• 页数: 7页
• 分类号: TP391
• 字数: 5048字
• 语种: 中文
• DOI: 10.11996/JG.j.2095-302X.2018020244

摘要

针对解决数据缺少和单个卷积网络模型性能的限制造成细粒度分类准确率不高的问题,提出了一种数据增强和多模型集成融合的分类算法.首先通过镜像、旋转、多尺度缩放、高斯噪声、随机剪切和色彩增强6种变换对CompCars数据集进行增强处理,然后采用差异化采样数据集的方法训练CaffeNet、VGG16和GoogleNet 3种差异化的网络.然后采用多重集成的方法集成多种模型的输出结果.实验中测试网络结构在不同数据增强算法和不同模型集成下的分类结果.模型集成的分类准确率达到94.9%,比最好的单GoogleNet模型的分类精确率提高了9.2个百分点.实验结果表明该算法可以有效地提高分类的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	熊昌镇	北方工业大学城市道路交通智能控制技术北京市重点实验室	14	28	3.0	5.0
2	蒋杰	北方工业大学城市道路交通智能控制技术北京市重点实验室	2	2	1.0	1.0