基于RPN与B-CNN的细粒度图像分类算法研究

• 作者: 刘国柱 张永 赵浩如
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 细粒度分类 类间差异 双向卷积网络 非极大值抑制 特征融合
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 图像处理与应用
• 页码范围: 210-213,264
• 页数: 5页
• 分类号: TP391.41
• 字数: 3583字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2019.03.038

摘要

随着大数据和硬件的快速发展,细粒度分类任务应运而生,其目的是对粗粒度的大类别进行子类分类.为利用类间细微差异,提出基于RPN(Region Proposal Network)与B-CNN(Bilinear CNN)的细粒度图像分类算法.利用OHEM(Online Hard Example Mine)筛选出对识别结果影响大的图像,防止过拟合;将筛选后的图像输入到由soft-nms(Soft Non Maximum Suppression)改进的RPN网络中,得到对象级标注的图像,同时减少假阴性概率;将带有对象级标注信息的图像输入到改进后的B-CNN中,改进后的B-CNN可以融合不同层特征并加强空间联系.实验结果表明,在CUB200-2011和Standford Dogs数据集平均识别精度分别达到85.50％和90.10％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘国柱	青岛科技大学信息科学技术学院	48	148	7.0	9.0
2	赵浩如	青岛科技大学信息科学技术学院	5	8	2.0	2.0
3	张永	青岛科技大学信息科学技术学院	3	6	1.0	2.0