基于卷积神经网络的城管案件图像分类方法

• 作者: 刘振丙 李灵巧 杨浩 杨辉华 潘细朋
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 智慧城管 图像分类 卷积神经网络 零相位分量分析(ZCA)白化 dropout ReLU
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 工程与应用
• 页码范围: 242-248,266
• 页数: 8页
• 分类号: TN911.73
• 字数: 4888字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1612-0419

摘要

以智慧城市管理系统中上报的案件图像为研究对象,利用卷积神经网络能够自行学习图像特征的优势,提出一种改进的深层卷积神经网络算法,并利用该算法对智慧城市管理系统(下简称"智慧城管")的案件图像进行快速精确分类,从而完成城市管理系统中案件的自动分类.采用ZCA白化处理降低图像数据特征之间的相关性;搭建八层卷积神经网络对白化后的图像进行分类,并在卷积层采用线性纠正单元(ReLU)加速训练过程,在pooling层利用dropout技术防止算法过拟合;在网络精调阶段采用BP(Back Propagation)算法进行优化,提高算法的鲁棒性.基于上述方法对道路交通类和市容环境类两类案件图像进行二分类实验,平均精度达到97.5%,F1-Score达到0.98,性能超过了LSVM、SAE以及传统的CNN等方法;同时该方法又对电动车乱摆放类、乱扔垃圾类、机动车违章停放类、垃圾桶周围脏乱类共四类案件进行四分类实验,平均精度为90.5%,F1-Score为0.91,性能依然超过了LSVM、SAE以及传统的CNN等方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨辉华	桂林电子科技大学计算机与信息安全学院	94	618	13.0	19.0
3	李灵巧	桂林电子科技大学计算机与信息安全学院	22	118	7.0	10.0
5	刘振丙	桂林电子科技大学计算机与信息安全学院	40	122	7.0	9.0
8	潘细朋	北京邮电大学自动化学院	7	29	3.0	5.0
11	杨浩	桂林电子科技大学计算机与信息安全学院	2	8	1.0	2.0