基于集成学习的卷积神经网络算法在小规模场景分类的研究和应用

发布时间：2020-12-11 17:58

　　图像信息包含了大量的信息而且内容通俗易懂简洁明了。在社会飞速发展互联网技术迅速提升的当今社会,图像数据成为工业界和科研界一个十分重要的研究内容。而在当下最为热门的方向之一计算机视觉中,图像的分类识别是计算机视觉的基础和最为重要的部分之一。图像场景分类是图像分类中一个重要的方向。而针对场景分类问题最为著名的两个方向是自然场景分类和遥感影像场景分类。本文针对这两个主要方向进行分类实验。首先使用传统神经网络LeNet-5,AlexNet-4和VGGNet-16对自然场景分类数据集进行实验,分析实验结果得出VGGNet-16的实验结果较好。然后选用集成学习方法与VGGNet-16进行结合构造出Ada-VGG16和RF-VGG16,对比实验结果并选用RF-VGG16将其改造成为浅层卷积神经网络RF-VGG6,并通过对比几个卷积神经网络的实验结果得到本文所提出的新的基于集成学习的浅层卷积神经网络RF-VGG6实验分类准确率良好并且实验效率高,是一个适用于自然图像场景分类的模型。然后使用场景分类的另一重要方向遥感场景分类数据集对提出的RF-VGG6模型进行验证,得到的实验结果较好。得出该模型对于场景... 

【文章来源】：江西财经大学江西省

【文章页数】：61 页

【学位级别】：硕士

【部分图文】：

scene-15部分数据

第3章RF-VGG6在自然场景分类的实证分析33得到RF-VGG6的精度变化如图3.3所示。图3.3RF-VGG6精度变化RF-VGG6的损失变化如图3.4所示。图3.4RF-VGG6损失变化并与该浅层卷积神经网络与同为浅层卷积神经网络的LeNet-5和AlexNet-4所

RF-VGG6损失变化

【参考文献】：
博士论文
[1]基于深度神经网络的肿瘤图像分析与处理[D]. 昌杰.中国科学技术大学 2019
[2]基于深度卷积神经网络的图像分类方法研究及应用[D]. 高震宇.中国科学技术大学 2018
[3]遥感图像场景深度学习与应用研究[D]. 李二珠.南京大学 2017
[4]基于机器视觉的奶牛个体信息感知及行为分析[D]. 赵凯旋.西北农林科技大学 2017
[5]基于迁移学习与深度卷积特征的图像标注方法研究[D]. 宋光慧.浙江大学 2017
[6]基于随机森林的视觉数据分类关键技术研究[D]. 张乾.华南理工大学 2016

硕士论文
[1]基于卷积神经网络的场景分类算法研究[D]. 苏亚伟.南昌航空大学 2018
[2]光谱和空间特征联合的高光谱遥感影像多分类器集成方法[D]. 鲍蕊.南京大学 2016



本文编号：2910980