基于弱标签数据的图像精细分类研究

发布时间：2021-08-18 20:45

　　图像精细分类是计算机视觉领域中最重要研究方向之一。近年来随着深度学习技术的发展,图像精细分类的效果有了显著提升。但是搭建这些分类模型仍需要大量的人力对图像数据进行类别标注。因此如何使用少量样本或更容易获取的数据替代人工标注的数据是研究者们探讨的重点。同时,通过互联网平台可以较为轻松地获取大量的弱标签数据,但是由于弱标签数据的真实标签难以确认而难以得到有效利用。针对此情况,本文从以下几个方面进行探讨,提出了一些利用弱标签数据生成有标签数据并优化图像精细分类模型的方法。1.针对从互联网获取的图像数据类别标签或图像内容不准确的问题,本文提出了一种基于混淆概率评估的弱标签数据标注方法。利用网络爬虫技术在各个搜索引擎上获取大量带有文本信息的图像数据后,通过预测分类模型对不同类别样本的混淆概率,判断出大量分类模型难以识别的标签正确的样本。相比直接判断样本标签的方法,本文方法有效降低了数据资源的浪费和数据的采集成本。2.以往训练图像分类模型需要事先获取所有图像数据的类别标签。这样的训练模式使数据搜集和模型优化不能同时进行。针对此问题,本文提出一种支持在线学习的分类模型训练方法,只需使用少量有标签的数... 

【文章来源】：浙江工业大学浙江省

【文章页数】：67 页

【学位级别】：硕士

【部分图文】：

传统图像识别，从左往右为（a）花、（b）鸟、（c）猫、（d）蝴蝶

浙江工业大学硕士学位论文要耗费大量的人力和时间，是数据采集过程中最困难的环节之是当下最廉价的数据来源之一，人们通过关键词检索可以轻松量数据。由于网络资源和搜索引擎自身的限制，通过关键词检中往往会出现图像内容与管检测不匹配的情况。但这仍然是获便捷的方式。如果只用少量的有标签样本训练，分类模型往往化能力。通常的机器学习方法很难有效利用那些廉价的弱建模型的成本高，而且对数据资源造成了极大的浪费。因此，，利用弱标签数据改善分类模型的性能是目前计算机视觉研究。

绍关于深度卷积神经网络的基础知识，节中详细介绍。称神经网络，是机器学习领域的一个分从而完成对特定任务的数据学习规律的脑的神经系统，所以神经网络通过大量算是基于统计学方法来实现的，因此神用来解决包括如自然语言处理、计算机组成是神经元。1943 年由美国心理学家 McCulloch 和数学型（McCulloch-Pitts）。M-P 模型的结构种简单的逻辑器件来实现算法的简单模从而才有了后来的神经网络算法。

【参考文献】：
期刊论文
[1]一种改进的深度卷积神经网络的精细图像分类[J]. 杨国亮,王志元,张雨.  江西师范大学学报(自然科学版). 2017(05)
[2]基于卷积神经网络的商品图像精细分类[J]. 贾世杰,杨东坡,刘金环.  山东科技大学学报(自然科学版). 2014(06)
[3]一种适合弱标签数据集的图像语义标注方法[J]. 田枫,沈旭昆.  软件学报. 2013(10)



本文编号：3350597