基于特征融合的卷积神经网络家具图像分类算法研究
发布时间：2021-01-22 22:00
随着人工智能的迅速发展,深度学习方法结合图像处理技术已广泛应用到日常生活的各个方面。本文针对家具图像数据的多样性和复杂性,以基于特征融合的卷积神经网络家具图像分类技术为题,重点研究了家具图像的预处理、家具局部特征提取及基于卷积神经网络的特征融合、细粒度家具图像分类等内容。论文主要工作包括:1.家具图像预处理方面,首先针对采集到的家具图像因背景杂乱制约了卷积神经网络的分类性能的问题,本文利用GrabCut算法先对家具图像进行背景分割。然后为自动生成适于卷积神经网络的尺寸归一化数据,利用检测到的家具轮廓宽高与目标生成图像宽高之间的几何关系,进行等比例缩放,使其尺度归一化,再按规则命名写入到指定的文件目录下。该预处理自动化过程有效降低了手动处理家具图像的工作量。2.家具图像局部特征提取及基于卷积神经网络的特征融合方面,基于AlexNet卷积神经网络模型提出将LBP、HOG局部特征在全连接层与全局特征进行融合的特征融合算法,并研究了融合权重的学习算法。仿真结果表明本文特征融合算法能够更好的描述图像的基本特征,提高家具图像分类的准确率。3.针对相似家具间的分类准确率较低的问题提出一种改进的细粒度...
【文章来源】：南京邮电大学江苏省
【文章页数】：61 页
【学位级别】：硕士
【部分图文】：
采集到的家具厂商家具图像
大学专业学位硕士研究生学位论文 第二章 家具图像数据来源及章 家具图像数据来源及特点具图像数据来源所用的家具图像数据集是自制的数据集，其数据分别来源于家具厂商、百度图上采集到的家具图像。图 2.1 是某厂家提供的部分图像数据，图 2.2 是采集到的 ，图 2.3 是采集到的谷歌家具图像。
谷歌图像上采集到的家具图像。图 2.1 是某厂家提供的部分图像数据，图 2.2 是采集到的百度家具图像 ，图 2.3 是采集到的谷歌家具图像。图 2.1 家具厂商采集到的图像
【参考文献】：
期刊论文
[1]基于多核学习特征融合的语音情感识别方法[J]. 王忠民,刘戈,宋辉. 计算机工程. 2019(08)
[2]基于双线性软化模型鲁灰花岗岩断裂特征研究[J]. 林建伟,高经武,武晋文,王学怀,吕琪. 中北大学学报(自然科学版). 2019(03)
[3]深度学习在图像识别中的应用研究综述[J]. 郑远攀,李广阳,李晔. 计算机工程与应用. 2019(12)
[4]信息熵加权的HOG特征提取算法研究[J]. 林克正,张元铭,李昊天. 计算机工程与应用. 2020(06)
[5]卷积神经网络的发展及其在计算机视觉领域中的应用综述[J]. 陈超,齐峰. 计算机科学. 2019(03)
[6]基于改进多尺度LBP算法的肝脏CT图像特征提取方法[J]. 刘晓虹,朱玉全,刘哲,宋余庆,朱彦,袁德琪. 计算机科学. 2019(03)
[7]基于非归一化直方图的GrabCut图像分割算法改进[J]. 孔显,马晓珂. 计算机应用研究. 2020(05)
[8]融合局部纹理特征的核密度估计运动目标检测[J]. 金静,党建武,翟凤文,王阳萍,申东,张振海. 吉林大学学报(工学版). 2019(02)
[9]基于SIFT和HOG特征融合的人体行为识别方法[J]. 韩欣欣,叶奇玲. 计算机技术与发展. 2019(06)
[10]基于多尺度卷积特征融合的行人重识别[J]. 徐龙壮,彭力. 激光与光电子学进展. 2019(14)
博士论文
[1]产品表面质量视觉检测时频分析方法研究及其系统实现[D]. 李安定.华中科技大学 2017
[2]关于互联网视觉媒体若干问题的研究和应用[D]. 胡珍珍.合肥工业大学 2014
硕士论文
[1]卷积神经网络在糖尿病性视网膜病变分类中的研究与应用[D]. 杨松霖.华中科技大学 2019
[2]基于卷积神经网络的极光图像及极光序列分类研究[D]. 刘彬.南京邮电大学 2018
[3]基于模式识别技术的立体足迹步态特征提取与分类[D]. 孙晗.中国人民公安大学 2018
[4]基于CNN一体化的目标识别、定位、检测[D]. 饶江浩.中国科学院大学(中国科学院光电技术研究所) 2018
[5]基于深度学习的台标检测算法设计及实现[D]. 刘混.西安建筑科技大学 2018
[6]基于Jetson TX1的人脸识别算法的研究与实现[D]. 毛礼建.杭州电子科技大学 2018
[7]基于深度学习的菜品图像分类方法研究[D]. 陈雅丽.电子科技大学 2018
[8]基于VGGNet深度卷积特征的人脸表情识别方法研究[D]. 杨文杰.广东工业大学 2018
[9]基于深度学习的程序识别算法的优化[D]. 李赵迪.西安电子科技大学 2018
[10]基于深度学习的工业移动机器人视觉导航系统设计与研究[D]. 洪华锋.华南理工大学 2018
本文编号：2993977
【文章来源】：南京邮电大学江苏省
【文章页数】：61 页
【学位级别】：硕士
【部分图文】：
采集到的家具厂商家具图像
大学专业学位硕士研究生学位论文 第二章 家具图像数据来源及章 家具图像数据来源及特点具图像数据来源所用的家具图像数据集是自制的数据集，其数据分别来源于家具厂商、百度图上采集到的家具图像。图 2.1 是某厂家提供的部分图像数据，图 2.2 是采集到的 ，图 2.3 是采集到的谷歌家具图像。
谷歌图像上采集到的家具图像。图 2.1 是某厂家提供的部分图像数据，图 2.2 是采集到的百度家具图像 ，图 2.3 是采集到的谷歌家具图像。图 2.1 家具厂商采集到的图像
【参考文献】：
期刊论文
[1]基于多核学习特征融合的语音情感识别方法[J]. 王忠民,刘戈,宋辉. 计算机工程. 2019(08)
[2]基于双线性软化模型鲁灰花岗岩断裂特征研究[J]. 林建伟,高经武,武晋文,王学怀,吕琪. 中北大学学报(自然科学版). 2019(03)
[3]深度学习在图像识别中的应用研究综述[J]. 郑远攀,李广阳,李晔. 计算机工程与应用. 2019(12)
[4]信息熵加权的HOG特征提取算法研究[J]. 林克正,张元铭,李昊天. 计算机工程与应用. 2020(06)
[5]卷积神经网络的发展及其在计算机视觉领域中的应用综述[J]. 陈超,齐峰. 计算机科学. 2019(03)
[6]基于改进多尺度LBP算法的肝脏CT图像特征提取方法[J]. 刘晓虹,朱玉全,刘哲,宋余庆,朱彦,袁德琪. 计算机科学. 2019(03)
[7]基于非归一化直方图的GrabCut图像分割算法改进[J]. 孔显,马晓珂. 计算机应用研究. 2020(05)
[8]融合局部纹理特征的核密度估计运动目标检测[J]. 金静,党建武,翟凤文,王阳萍,申东,张振海. 吉林大学学报(工学版). 2019(02)
[9]基于SIFT和HOG特征融合的人体行为识别方法[J]. 韩欣欣,叶奇玲. 计算机技术与发展. 2019(06)
[10]基于多尺度卷积特征融合的行人重识别[J]. 徐龙壮,彭力. 激光与光电子学进展. 2019(14)
博士论文
[1]产品表面质量视觉检测时频分析方法研究及其系统实现[D]. 李安定.华中科技大学 2017
[2]关于互联网视觉媒体若干问题的研究和应用[D]. 胡珍珍.合肥工业大学 2014
硕士论文
[1]卷积神经网络在糖尿病性视网膜病变分类中的研究与应用[D]. 杨松霖.华中科技大学 2019
[2]基于卷积神经网络的极光图像及极光序列分类研究[D]. 刘彬.南京邮电大学 2018
[3]基于模式识别技术的立体足迹步态特征提取与分类[D]. 孙晗.中国人民公安大学 2018
[4]基于CNN一体化的目标识别、定位、检测[D]. 饶江浩.中国科学院大学(中国科学院光电技术研究所) 2018
[5]基于深度学习的台标检测算法设计及实现[D]. 刘混.西安建筑科技大学 2018
[6]基于Jetson TX1的人脸识别算法的研究与实现[D]. 毛礼建.杭州电子科技大学 2018
[7]基于深度学习的菜品图像分类方法研究[D]. 陈雅丽.电子科技大学 2018
[8]基于VGGNet深度卷积特征的人脸表情识别方法研究[D]. 杨文杰.广东工业大学 2018
[9]基于深度学习的程序识别算法的优化[D]. 李赵迪.西安电子科技大学 2018
[10]基于深度学习的工业移动机器人视觉导航系统设计与研究[D]. 洪华锋.华南理工大学 2018
本文编号：2993977
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2993977.html
