多感知兴趣区域特征融合的图像识别方法

• 作者: 闫涵 张旭秀 张净丹
• 来源期刊: 智能系统学报
• 关键词: 深度学习 图像识别 迁移学习 特征融合 集成学习 特征提取 CAM可视化 视觉组网络模型 残差网络模型
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 机器感知与模式识别|Machine Perception and Pattern Recognition
• 页码范围: 263-270
• 页数: 8页
• 分类号: TP311
• 语种: 中文
• DOI: 10.11992/tis.201906032

摘要

针对自然图像识别过程中不同深度学习模型关注兴趣区域不同的现象,本文引入深度卷积神经网络融合机制,结合深度迁移学习方法,给出了一种基于多感知兴趣区域特征融合的图像识别方法.本文将迁移学习方法引入牛津大学视觉组网络模型(visual geometry group network,VGGNet)和残差网络模型(residual network,ResNet),通过对单个分类模型进行热力图可视化及特征可视化,得到了不同网络模型关联的特征区域不一样的结论.然后在此基础上分别设计特征拼接、特征融合加特征拼接及融合投票方法将不同模型特征进行融合,得到3种新的融合模型.实验结果表明,本文方法在Kaggle数据集上的识别准确率高于VGG-16、VGG-19、ResNet-50、DenseNet-201模型.