基于迁移学习与自适应特征融合的建筑物识别

• 作者: 刘厚泉 王泽泓
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 建筑物识别 卷积神经网络 迁移学习 自适应 特征融合
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 40-43
• 页数: 4页
• 分类号: TP301
• 字数: 2875字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2019.12.007

摘要

特定建筑物识别可应用于旅游景点地点的查询.针对现有特定建筑物识别方法特征提取困难、识别率低等问题,提出一种基于卷积神经网络的特定建筑物识别方法.针对数据规模小的限制,提出利用预训练的VGG-16网络进行迁移学习,以改善网络效果.为了充分利用VGG-16网络中各层提取出的特征,提出自适应特征融合的方法.该方法针对网络中不同层提取出的特征图的层次不同、尺度不同的特点,给每个特征图设置可学习的权重,进而融合在一起进行预测.通过从网络上爬取的6273张12类旅游景点建筑物图片作为数据集,对提出的方法进行验证.使用VGG-16网络训练,最终准确率为97.86％,处理速度为296 fps.利用自适应特征融合改进VGG-16网络,改进后最终准确率为98.93％,处理速度为289 fps,比改进前准确率提高1.07％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘厚泉	中国矿业大学计算机科学与技术学院	65	512	11.0	20.0
2	王泽泓	中国矿业大学计算机科学与技术学院	1	0	0.0	0.0