基于自适应区域监督机制的场景分类算法

• 作者: 于遨波 胡海峰 陈志鸿 马水平
• 来源期刊: 中山大学学报（自然科学版）
• 学科: 工学
• 关键词: 深度卷积神经网络 热点图 自适应监督 场景分类
• 年，卷（期）: 2019,（2）
• 页码范围: 9-14
• 页数: 6页
• 分类号: TP391.41
• 字数: 3712字
• 语种: 中文
• DOI: 10.13471/j.cnki.acta.snus.2019.02.002

摘要

深度卷积神经网络(deep convolution neural network,DCNN)是当前流行的场景分类算法.随着神经网络深度的加深以及宽度的加宽,网络训练难度也随之增大.随机裁剪(crop sampling)可降低网络训练的难度,但这种做法也会降低输入网络的图像与目标标签的相关性.为此,提出了一种基于自适应区域监督机制的场景分类算法,算法由三部分组成:热点图生成层、自适应监督裁剪层、分类层.该算法通过热点图生成层生成每张图像的热点图,自适应监督裁剪层依据热点图自适应地对图像进行裁剪,最后使用分类层对裁剪后的场景图像进行分类,以提升裁剪图像与目标标签的相关性.通过在15-Scene和MIT Indoor两个经典场景分类数据集上的实验,结果发现,所提的算法在训练效率以及识别性能上优于原始的网络算法架构,算法对于复杂的场景有更好的识别率和鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡海峰	中山大学电子与信息工程学院	16	173	8.0	13.0
2	陈志鸿	中山大学电子与信息工程学院	1	0	0.0	0.0
3	马水平	中山大学电子与信息工程学院	1	0	0.0	0.0
4	于遨波	中山大学电子与信息工程学院	1	0	0.0	0.0