基于卷积神经网络的手绘草图识别

• 作者: 严雪 印桂生 张震 王宇华
• 来源期刊: 吉林大学学报（信息科学版）
• 学科: 工学
• 关键词: 手绘草图识别 卷积神经网络 网络模型 数据增强
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 计算机科学与技术
• 页码范围: 417-425
• 页数: 9页
• 分类号: TP391.41
• 字数: 7296字
• 语种: 中文

摘要

针对目前手绘草图识别难度大,识别准确率低且主要以手工提取特征为主,提出一种新的卷积神经网络结构DCSN(Deeper-CNN-Sketch-Net)进行手绘图像识别.DCSN模型是根据手绘草图的特点进行设计,如在首层采用了更大的卷积核获取草图的结构信息和更小的步长尽可能多保留特征信息,通过增加网络层数加深网络深度等.为进一步提高识别准确率,针对手绘草图的特点提出了两种新的数据增强方法,小图形缩减策略和尾部移除策略增加数据集的多样性,并利用扩充的数据集训练DCSN网络.经实验验证,所提出的模型在目前最大的手绘图像数据集上可以取得70.5％的识别准确率,超过了目前存在的几种主流的手绘草图识别方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	印桂生	哈尔滨工程大学计算机科学与技术学院	113	842	16.0	23.0
2	张震	哈尔滨工程大学计算机科学与技术学院	6	4	1.0	2.0
3	王宇华	哈尔滨工程大学计算机科学与技术学院	10	152	3.0	10.0
4	严雪	哈尔滨工程大学计算机科学与技术学院	2	0	0.0	0.0