卷积神经网络在大规模图像分类中的应用

• 作者: 刘晓龙 朱祥娥 李晶晶 李英成 钱赛男
• 来源期刊: 测绘科学
• 学科: 地球科学
• 关键词: 卷积神经网络 VGGNet siamese学习 图像对 无序图像 图像分类
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 摄影测量学与遥感
• 页码范围: 121-125
• 页数: 5页
• 分类号: P237|TP751
• 字数: 2257字
• 语种: 中文
• DOI: 10.16251/j.cnki.1009-2307.2019.06.017

摘要

针对大规模无序图像分类处理中成对图像的匹配和几何验证的计算量大的问题,该文通过研究和学习机器学习及图像识别领域先进的方法,提出了一种基于孪生神经网络的大规模图像有序化方法.该算法主要是:通过抽取已训练好的VGG 19的网络模型的卷积层作为图像的特征,将提出的特征分别加权后,连接起来,再次卷积和池化,利用响应函数判定图像之间连通性,实现对输入图像对连通性判定.经实验证明,该算法可有效地识别具有场景重叠的图像对,效率和精度上也有所提高,无须执行详尽的推定匹配和几何验证,适用于运动恢复结构,图像连接等各种场景.