基于HOG的目标分类特征深度学习模型

发布时间：2017-11-08 21:33

  本文关键词：基于HOG的目标分类特征深度学习模型

  更多相关文章： 计算机视觉 目标分类 方向梯度直方图特征 栈式自编码器 深度学习

【摘要】：为提高低配置计算环境中的视觉目标实时在线分类特征提取的时效性和分类准确率,提出一种新的目标分类特征深度学习模型。根据高时效性要求,选用分类器模型离线深度学习的策略,以节约在线训练时间。针对网络深度受限和高识别率要求,提取图像的局部方向梯度直方图(HOG)特征,构建稀疏自编码器栈对HOG特征进行深层次编码,设计Softmax多分类器对所抽取的特征进行分类。在深度神经网络模型学习过程中,引入最小化各层结构风险和微调全网参数的二阶段最优化策略。利用场景图像库Caltech101和手写数字库MNIST的训练样本与测试样本进行对比实验,结果表明,该模型在局部特征提取方面的时效优于单层卷积神经网络(CNN)模型,分类准确率高于CNN、栈式自编码器等对比模型。
【作者单位】： 重庆工商大学电子商务及供应链系统重庆市重点实验室;重庆工商大学重庆市检测控制集成系统工程实验室;重庆工商大学计算机科学与信息工程学院;重庆工商大学图书馆;
【基金】：重庆市教委科学技术研究计划项目(KJ1400612)
【分类号】：TP391.41
【正文快照】： 0概述务的模型参数,但这样学习容易忽视训练样本中出计算机视觉中的目标在线实时跟踪与分类,需要现频次较低、而对预测任务又产生重要影响的数据快捷准确提取目标的特征。层次特征的深度学习[1-3]特征,从而降低了模型的泛化能力。是人们近年来研究的热点,它可以弥补单一的人工

【相似文献】

中国期刊全文数据库 前10条

1 王强光;伍铁军;;智能监控系统中的运动目标分类方法研究[J];工业控制计算机;2011年01期

2 刘佶鑫;孙权森;曹国;;压缩感知稀疏识别用于多视角图像目标分类[J];应用科学学报;2013年02期

3 李占闯;肖国强;代毅;邱开金;;基于SVM输出概率和后置滤波的运动目标分类[J];计算机应用研究;2010年02期

4 王晓静;原达;李道凯;;基于Krawtchouk矩的运动目标分类[J];计算机工程与设计;2012年05期

5 李志华;李秋峦;;连续跟踪状态下基于可分性特征的目标优化分类[J];计算机应用;2014年05期

6 陈海林;吴秀清;胡俊华;;基于局部特征空间相关核的图像目标分类[J];光电工程;2009年03期

7 王怡;王夏黎;周明全;李丙春;;一种基于近似支撑矢量机(PSVM)的交通目标分类方法[J];计算机应用与软件;2005年12期

8 朱道广;李弼程;;一种基于随机化视觉词汇和聚类集成目标分类[J];太赫兹科学与电子信息学报;2014年02期

9 王燕玲;李广伦;林晓;;基于跟踪特征的多运动目标分类算法[J];中国体视学与图像分析;2014年02期

10 桑农，魏智，，陈铭节，彭嘉雄;一种基于线性最小平方映射的目标分类算法[J];数据采集与处理;1996年01期

中国重要会议论文全文数据库 前1条

1 王晓静;原达;李道凯;;应用Krawtchouk矩和SVM的运动目标分类技术[A];第五届全国几何设计与计算学术会议论文集[C];2011年

中国博士学位论文全文数据库 前1条

1 梁鹏;基于内容的目标分类识别关键技术研究[D];华南理工大学;2011年

中国硕士学位论文全文数据库 前10条

1 都期望;基于MPEG-7标准的海上移动目标分类方法研究[D];大连海事大学;2016年

2 胡碧莹;基于稀疏表示的图像目标分类方法研究[D];北京交通大学;2016年

3 田彬;视频监控中运动目标分类方法研究[D];山东轻工业学院;2010年

4 包日快;视频中多运动目标分类的研究[D];浙江工业大学;2011年

5 屈璐;基于特征模型相似性的运动目标分类[D];吉林大学;2011年

6 冯柯;交通视频中视点无关目标分类与检索方法研究[D];杭州电子科技大学;2009年

7 刘丽丽;基于形状特征的运动目标分类方法研究[D];湖南大学;2006年

8 陈大海;智能视频监控系统中目标分类技术研究与应用[D];广西大学;2011年

9 郭倩;基于视觉词包模型的大规模目标分类和检索[D];河南大学;2015年

10 董刚;视觉监控中的运动目标分类方法[D];吉林大学;2008年

本文编号：1158873