利用对抗网络改进多标记图像分类

• 作者: 周韬 张灿龙 李志欣 赵卫中 马慧芳
• 来源期刊: 计算机辅助设计与图形学学报
• 学科: 工学
• 关键词: 卷积神经网络 对抗网络 空间金字塔池化 参数迁移 多标记分类
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 图像与视觉
• 页码范围: 16-26
• 页数: 11页
• 分类号: TP391.41
• 字数: 9594字
• 语种: 中文
• DOI: 10.3724/SP.J.1089.2020.17663

摘要

为了更有效地对多标记图像进行分类,提出一个改进的卷积神经网络模型,通过融合多层次特征并利用空间金字塔池化来学习多标记图像中的多尺度特征,同时设计对抗网络生成新的样本辅助模型训练.首先,对传统卷积神经网络模型进行改进,利用空间金字塔池化层替换网络的最后一层,并将在ImageNet上预先训练好的参数传递给该模型;然后,通过将深层特征和浅层特征进行融合,使得模型对不同尺度的物体具有更好的识别能力;最后,设计了一个对抗网络生成带遮挡的样本,使模型对遮挡物体的识别也具有良好的鲁棒性.实验测试在2个基准数据集上进行,文中模型在Corel5K数据集上的平均查准率和平均查全率分别为0.457和0.427,mAP值达到0.442,而在PASCAL VOC2012数据集上的mAP值则达到0.85.实验结果表明,与当前国际先进的模型相比,该模型具有更好的有效性和更强的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李志欣	广西师范大学广西多源信息挖掘与安全重点实验室	30	144	7.0	11.0
2	张灿龙	广西师范大学广西多源信息挖掘与安全重点实验室	41	194	8.0	11.0
3	马慧芳	西北师范大学计算机科学与工程学院	59	520	12.0	21.0
4	周韬	广西师范大学广西多源信息挖掘与安全重点实验室	1	0	0.0	0.0
5	赵卫中	华中师范大学计算机学院	2	0	0.0	0.0