基于二阶结构层嵌入卷积网络的图像分类研究

发布时间：2020-05-22 14:20

【摘要】：卷积神经网络(CNN)作为目前计算机视觉领域中的主流模型,在图像分类、图像分割以及超分辨等领域得到成功应用。卷积网络通常采用全连接层或全局平均池化层聚合卷积层输出的特征图,然而这些方法并不能充分建模特征图中所蕴含的丰富信息。为进一步增强网络的表达能力,通过在CNN架构中设计并嵌入建模能力更强的结构层对特征图进行聚合,成为一种新的思路。其中,二阶建模凭借自身建模能力强的优越性,受到学者们的广泛关注。本文重点研究如何在CNN中设计嵌入二阶建模结构层,并针对现有二阶建模方法的不足进行改进,提出了三种基于二阶建模的卷积网络模型。双线性卷积网络(B-CNN)通过对特征图计算外积,建模了特征图分布的二阶统计信息。然而,外积聚合仅能捕捉特征图中通道间的线性关系,无法建模通道间的非线性关系,不能充分利用特征图所蕴含的有效信息。针对该问题,本文首先提出了一种核化双线性卷积网络。该网络采用核函数的方式建模通道间的非线性关系,充分利用特征图中的有效信息,从而得到更具判别力的图像表达。本文提出了三种核化双线性聚合的方式,并给出反向传播的梯度求导公式,以嵌入到CNN架构中进行端到端的训练。利用注意力机制能够有效地对特征图中信息进行校正,增强网络的表达能力。本文提出了一种基于二阶建模的通道注意力模块,该模块通过计算通道间的相关性,并作为权重对特征图中的通道进行加权求和,从而更好地对特征图的通道信息进行校正,提升网络的分类性能。不同于SENet中通道注意力模块仅利用一阶信息,本文方法更有效地建模了通道间的相互关系。同时,相较于非局部卷积网络利用特征间的相关性作为权重,本文提出的注意力模块更适用于图像分类任务。受到端到端的局部聚合描述子网络(NetVLAD)的启发,本文提出了一种基于特征空间的局部二阶聚合网络(LSOP)。LSOP网络首先利用聚类的方式对特征空间进行局部划分,并在每个聚类空间内部进行二阶建模,从而细致地刻画特征分布的局部二阶统计信息。该方法解决了目前卷积网络中,二阶建模仅能获取特征分布的全局二阶统计信息的问题。同时,针对二阶建模维度高的不足,该方法进一步采用基于张量速写的降维措施,显著降低了图像表达的维度。本文对提出的三种方法进行了详细地实验评估。实验结果表明本文方法在多个图像分类数据库上均优于相关方法,其中核化双线性卷积网络更是达到了领先的性能。LSOP网络则不仅取得了具有竞争力的性能表现,其图像表达维度也显著低于相关方法。
【学位授予单位】：大连理工大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP391.41;TP183

【相似文献】

相关期刊论文 前10条

1 陶筱娇;王鑫;;基于深度学习算法的图像分类方法[J];微型电脑应用;2019年03期

2 李会民;马桂英;王延仓;;基于深度学习网络的水质图像分类[J];北华航天工业学院学报;2018年04期

3 彭娟;;特征选择和聚类分析的图像分类模型[J];现代电子技术;2017年19期

4 田凯;杜鹏;;基于C#的图像分类系统实现[J];数码世界;2017年08期

5 王科平;张志刚;;基于特征加权的自动图像分类方法[J];微型电脑应用;2014年01期

6 汪煜浩;华瑞林;;山地卫星图像分类制图方法研究[J];遥感信息;1987年04期

7 吴健;贾宏宇;;基于迁移学习的图像分类方法研究[J];河南科技;2018年31期

8 武慧琼;张素兰;张继福;胡立华;;一种基于三支决策的花卉图像分类[J];小型微型计算机系统;2019年07期

9 林泽文;;深度学习及其在图像分类识别中的运用探讨[J];信息与电脑(理论版);2018年12期

10 李舒;吴磊;;数据挖掘在医学图像分类中的应用[J];医学信息学杂志;2014年08期

相关会议论文 前10条

1 吴楠;李晓曦;宋方敏;;图像挖掘及其在医学图像分类中的应用[A];2006年全国理论计算机科学学术年会论文集[C];2006年

2 朱松豪;刘佳伟;胡荣林;;一种图像分类的新方法[A];第26届中国控制与决策会议论文集[C];2014年

3 文振q;欧阳杰;朱为总;;基于语义特征与支持向量机的图像分类[A];中国电子学会第十六届信息论学术年会论文集[C];2009年

4 武文;李昊;王晓军;吴永辉;;极化误差对图像分类的影响分析[A];全国第20届计算机技术与应用学术会议（CACIS·2009）暨全国第1届安全关键技术与应用学术会议论文集（上册）[C];2009年

5 范海地;谢凤英;;基于卷积神经网络的皮肤镜图像分类[A];第十五届中国体视学与图像分析学术会议论文集[C];2017年

6 吴霜;张一飞;修非;王大玲;鲍玉斌;于戈;;基于兴趣点特征提取的医学图像分类[A];第二十四届中国数据库学术会议论文集（研究报告篇）[C];2007年

7 芦颖;倪维平;严卫东;边辉;;基于改进极化目标分解算法的POLSAR图像分类[A];国家安全地球物理丛书（十一）——地球物理应用前沿[C];2015年

8 潘海为;李建中;张炜;;基于像素聚类的脑部医学图像分类[A];第二十届全国数据库学术会议论文集（研究报告篇）[C];2003年

9 佘杰;;基于BP神经网络的煤岩图像分类识别[A];第23届全国煤矿自动化与信息化学术会议暨第5届中国煤矿信息化与自动化高层论坛论文集[C];2013年

10 武进;尹恺;王长明;张家才;;SVDM在蔬菜病害图像分类中的应用[A];图像图形技术与应用进展——第三届图像图形技术与应用学术会议论文集[C];2008年

相关博士学位论文 前10条

1 张璐;基于深度空间特征学习的极化SAR图像分类[D];西安电子科技大学;2019年

2 杨宝庆;基于字典学习的图像分类算法及应用研究[D];上海交通大学;2017年

3 郑昱;面向大规模图像分类的层次化多任务学习算法研究[D];西安电子科技大学;2017年

4 郭雨薇;基于超像素表征和模糊特征学习的图像分类与识别[D];西安电子科技大学;2017年

5 李晓;基于迁移学习的跨域图像分类方法研究[D];西安电子科技大学;2017年

6 滑文强;小样本下的极化SAR图像分类问题研究[D];西安电子科技大学;2018年

7 张姝茵;基于判别性特征学习的极化SAR图像分类[D];西安电子科技大学;2018年

8 丁拥科;基于先验信息辅助的高分辨率SAR图像分类方法研究[D];上海交通大学;2017年

9 侯赛辉;图像物体的精细化分类方法研究[D];中国科学技术大学;2019年

10 吕恩辉;基于卷积神经网络的图像分类研究[D];中国矿业大学;2019年

相关硕士学位论文 前10条

1 梁泽志;基于CNN-ELM的冷冻电镜单颗粒图像分类研究[D];湘潭大学;2019年

2 邰旭鸣;基于深度学习的多标签图像分类系统设计与实现[D];南京师范大学;2019年

3 张烨;基于风格迁移的图像分类技术研究[D];哈尔滨工业大学;2019年

4 艾尔（ARERO WARIYO GODANA）;基于区域的卷积神经网络在SAR图像分类中的应用[D];哈尔滨工业大学;2019年

5 付琰;基于样本生成的多任务图像分类方法研究[D];哈尔滨工业大学;2018年

6 林开东;基于网络涉恐数据Logo识别技术的研究与实现[D];重庆邮电大学;2019年

7 万博洋;基于深度学习的烟雾检测算法研究[D];江西科技师范大学;2018年

8 李明;基于深度学习的工业图像分类与检测系统设计[D];西安工程大学;2019年

9 张宇维;城市排水管内窥图像分类与病害智能检测研究[D];广东工业大学;2019年

10 葛可适;基于神经网络和密度峰值聚类的单颗粒冷冻电镜图像分类技术研究[D];国防科技大学;2017年

，

本文编号：2676127