基于深度神经网络的弱监督信息细粒度图像识别

• 作者: 刘瑞敏 朱阳光 黄琼桃
• 来源期刊: 电子测量与仪器学报
• 学科: 工学
• 关键词: 细粒度图像分类 深度学习 图像识别 卷积神经网络
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 学术论文
• 页码范围: 115-122
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.13382/j.jemi.B1902473

摘要

强监督识别算法需要大量的人工标注信息,消耗较多的人力物力资源.为了解决上述问题,满足实际需求,提出了两种基于弱监督信息图像识别方法用于细粒度图像分类(FGVC).一种是联合残差网络和Inception网络,通过优化卷积神经网络的网络结构提高捕捉细粒度特征的能力.另一种是对双线性CNN模型进行改进,特征提取器选取Google提出的Inception-v3模组和Inception-v4模组,最后把不同的局部特征汇集起来进行分类.通过在CUB200-2011鸟类公开数据集和Stanford Cars汽车类型数据集上进行测试,实验结果表明,提出的方法在两种数据集上的分类精度分别到达了88.3％和94.2％的分类精度,实现了较好的分类性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘瑞敏		25	32	3.0	5.0
2	朱阳光		5	1	1.0	1.0
3	黄琼桃		3	0	0.0	0.0