归类精度保持的图像测试集压缩方法

• 作者: 况奇刚 刘浩 吴乐明 孙晓帆 张鑫生
• 来源期刊: 电子测量与仪器学报
• 学科: 工学
• 关键词: 图像分类 卷积神经网络 图像压缩 质量因子 尺度比
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 学术论文
• 页码范围: 154-160
• 页数: 7页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.13382/j.jemi.2018.10.021

摘要

国内外研究人员对图像分类和图像压缩问题分别进行了大量研究,但是对于图像测试集压缩参数与图像分类性能之间的定量关系,还缺少公开的文献报导.针对这一问题,选择典型的卷积神经网络(CNN)图像分类算法和常用的JPEG图像压缩方法,通过联合设计图像测试集的压缩与分类实验,研究了图像质量因子和采样尺度比两种压缩参数对图像分类准确率的影响,并为其他测试集归纳出了优化的压缩参数设置策略.所提方法通过为图像数据集选取优化的质量因子和尺度比参数,可以较好地实现归类精度保持的图像测试集压缩.在利用CNN模型进行图像分类前,所提方法先将图像测试集采用合适的尺度比进行下采样,采样尺度比为5/8,并将数据集中的图像质量因子降为原来的35％.在此压缩方法下,测试集的归类精度能够基本保持.实验结果表明,所提方法能够在基本保持归类精度的条件下,尽可能低地压缩图像测试集的存储空间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘浩		33	110	7.0	9.0
2	孙晓帆		7	0	0.0	0.0
3	张鑫生		7	0	0.0	0.0
4	吴乐明		6	0	0.0	0.0
5	况奇刚		5	0	0.0	0.0