基于改进CNN特征的场景识别

• 作者: 李菲菲 薄康虎 陈虬
• 来源期刊: 计算机系统应用
• 关键词: 场景识别 计算机视觉 卷积神经网络 AlexNet
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 专论·综述
• 页码范围: 25-32
• 页数: 8页
• 字数: 4817字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.006684

摘要

随着人工智能的发展,场景识别作为计算机视觉研究的重要方向之一,吸引着越来越多研究者的关注.由于传统的手工特征无法充分描述场景图像的信息导致效果不理想,而卷积神经网络(CNN)提取的特征能够包含丰富的场景语义和结构信息,因此就常见的体系结构而言,本文选取AlexNet网络模型进行场景识别的研究,分别从网络模型的深度、宽度、多尺度化提取以及多层融合考虑进行改进,改进后在两个数据集上的识别率分别可达92.0％和94.5％,通过对比结果表明了本文方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李菲菲	上海理工大学光电信息与计算机学院	21	44	4.0	5.0
2	陈虬	上海理工大学光电信息与计算机学院	17	40	4.0	5.0
3	薄康虎	上海理工大学光电信息与计算机学院	1	4	1.0	1.0