基于卷积神经网络的宠物猫品种分类研究

发布时间：2024-12-02 22:25

　　 为了提高宠物猫品种分类的准确率,提出了一种卷积神经网络融合的方法进行特征提取。首先,基于堆叠卷积自动编码器的域自适应技术,采用反卷积操作丰富特征图;其次,利用Inception结构增加网络的宽度来提取多尺度信息的特征图;最后,使用Softmox函数对图像进行分类,在Oxford-ⅢT数据集中进行实验分析。实验结果表明,利用改进后的模型对宠物猫进行分类,准确率高于对比模型,达到了84.56%,损失值为0.015 0。所提出的卷积神经网络融合方法不仅能通过丰富特征图、加深网络深度更好地表达特征,还能提高分类性能和收敛性能,较好地解决了宠物品种识别中由宠物相似所带来的识别率低的问题,还可以推广应用到其他图像相似问题的应用场景中。

【文章页数】：6 页

【部分图文】：

图1 VGGNet-16网络结构图

VGGNet网络结构是将CNN中的卷积核由5×5尺寸改为用2个3×3的卷积进行替代,然后对3×3的卷积核和2×2的最大池化层反复叠成16—19层,这样能大幅度地降低训练时的参数数量,同时也能将原有的卷积运算通过增加网络的层数来提升网络模型的性能。VGGNet-16分为5段,每段的....

图2 Inception模块图

由于在VGGNet中增加网络深度会增加参数的数量,进而增加计算的复杂度,Google公司为了解决这个问题提出了一个由11个Inception模块(如图2所示)串联组成Inception-V3网络模型,相比于VGGNet有更深的网络,深度可达到46层,但是网络参数减少了,计算效率非....

图3 网络结构图

针对猫品种的数据集较少且特征不明显,采用人工和普通卷积神经网络提取特征的方式在进行模型训练精准度不高的问题,本文对猫品种分类的特征提取部分进行了改进。对猫的品种进行分类训练模型的网络结构如图3所示,其分为改进模块、Inception模块、全连接层和输出层,改进模块网络结构图如图4....

图4 改进模块网络结构图

图3网络结构图在进行卷积运算时,当特征图比较大时,所包含的图像细节较多,但是高层次表现出来的特征信息比较少;当特征图比较小时,具有更好的高层次语义信息,但分辨率比较差[17]。因此,本文选择将两者结合起来,既能包含较多的图像细节,也能获得尽可能强的图像语义信息[18]。而且在使....

本文编号：4014008