基于集成学习的图片分类在空气质量检测中的应用

• 作者: 吴健盛 孙怡 胡鸣珂
• 来源期刊: 电脑与电信
• 学科: 工学
• 关键词: 集成学习 卷积神经网络 空气质量检测 图像特征提取
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 基金项目
• 页码范围: 12-15,37
• 页数: 5页
• 分类号: TP391
• 字数: 3464字
• 语种: 中文

摘要

图片分类是机器视觉领域的经典问题.在利用图片分类技术进行空气质量检测的应用中,需要搜集城市空气质量实拍图进行训练,以自动判定空气质量等级,由于图片拍摄环境和尺寸变化很大,不同场景对图片分类性能影响很大.本文提出了集成学习的框架,即综合考虑了卷积神经网络、梯度直方图和尺度不变特征提取三种技术的各自特点,提高图片分类的准确性并应用于空气质量检测中,同时考虑到城市空气质量实拍图数量有限,利用迁移学习的思想克服了图片训练量不足的问题,进一步提高了检测的准确度.在准确度方面,通过实验验证了本文提出的方法比单独图片分类技术优越.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙怡	南京邮电大学地理与生物信息学院	2	4	1.0	2.0
2	胡鸣珂		1	0	0.0	0.0
3	吴健盛	南京邮电大学地理与生物信息学院	1	0	0.0	0.0