基于深度学习的复杂背景图像分类方法研究

• 作者: 刘瑾 曾国辉 程俊华
• 来源期刊: 电子科技
• 学科: 工学
• 关键词: 深度学习 卷积神经网络 图像分割 前景区域 复杂背景 图像识别
• 年，卷（期）: 2020,（12）
• 页码范围: 59-66
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.16180/j.cnki.issn1007-7820.2020.12.012

摘要

复杂背景图像受背景干扰后不易被识别.针对这一问题,文中提出了基于前景分割机制的卷积神经网络图像分类方法.采用全卷积神经网络对图像前景区域进行自动分割,通过图像中前景区域周围的最小边界框对其进行定位.对于定位的前景区域,构建卷积神经网络对其进行处理以区分不同的类别,从而实现复杂背景图像的分类.将提出方法在公开数据集中提取的单一背景和复杂背景图像数据集上进行对比实验,并使用迁移学习与数据增强等方法优化模型.实验结果表明,所提方法使用前景区域分割相比于仅分类CNN具有更高的准确度,且复杂背景图像上的准确度提升幅度要远大于单一背景图像.该结果说明引入前景区域分割对于复杂背景图像分类模型准确度的提升具有一定帮助,能够显著前景区域特征并减少背景因素的干扰.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘瑾		76	233	8.0	13.0
2	曾国辉		31	72	5.0	8.0
3	程俊华		2	5	1.0	2.0