基于AlexNet的小样本水面漂浮物识别

• 作者: 徐守坤 李宁 王雨萱 石林
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 漂浮物图像 小样本 深度学习 AlexNet 光照矫正
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 245-251
• 页数: 7页
• 分类号: TP391.41
• 字数: 6269字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2019.02.044

摘要

针对水面漂浮物识别中图像数据量少、噪声影响多,导致识别精度低的问题,采用一种基于深度学习的小样本水面漂浮物识别方法进行水面常见污染物塑料袋与塑料瓶的识别.采用现有大型数据集中的普通塑料袋与塑料瓶图像构建并训练卷积神经网络模型AlexNet;采用梯度下降法对模型进行微调,并用融合的光照矫正法处理待识别图像;将网络识别结果与传统的HOG特征提取方法进行比较.实验结果表明,该方法相较于传统的提取特征方法,对于水面漂浮物的识别率提高近15％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	石林	常州大学信息科学与工程学院数理学院	29	75	6.0	7.0
2	徐守坤	常州大学信息科学与工程学院数理学院	68	194	6.0	10.0
3	王雨萱	常州大学信息科学与工程学院数理学院	2	4	1.0	2.0