论文研究 - 用于对象识别的基于DM-L的特征提取和分类器集成

所需积分/C币:9 2020-05-27 23:14:43 2.25MB PDF
8
收藏 收藏
举报

深度学习是一项功能强大的技术,除其他任务外,还广泛应用于图像识别和自然语言处理任务。 在这项工作中,我们提出了一种有效的技术,可以利用预训练的卷积神经网络(CNN)架构从图像中提取强大的功能,以用于对象识别。 我们基于现有的概念,通过提议考虑多个深层,通过激活将学习从预先训练的CNN扩展到新数据库。 我们已经利用发生在CNN各个中间层的渐进式学习来构造基于深度多层(DM-L)的特征提取向量,以实现出色的目标识别性能。 在这项工作中,使用了两个流行的经过预先训练的CNN架构模型VGG_16和VGG_19来从模型内部的3个深度完全连接的多层(即“ fc6”,“ fc7”和“ fc8”)提取特征集以进行对象识别目的。 使用主成分分析(PCA)技术,已将DM-L特征向量的维数减少,以形成功能强大的特征向量,这些特征向量已馈入外部分类器集合以进行分类,而不是两个原始对象的基于Softmax的分类层训练的CNN模型。 所提出的DM-L技术已应用于Benchmark Caltech-101对象识别数据库。 传统观点可能暗示,与“ fc6”相比,基于最深层(“ fc8”)进行特征提取将获得最佳识别性能

...展开详情
试读 19P 论文研究 - 用于对象识别的基于DM-L的特征提取和分类器集成
立即下载 低至0.43元/次 身份认证VIP会员低至7折
一个资源只可评论一次,评论内容不能少于5个字
您会向同学/朋友/同事推荐我们的CSDN下载吗?
谢谢参与!您的真实评价是我们改进的动力~
  • 至尊王者

关注 私信
上传资源赚钱or赚积分
最新推荐
论文研究 - 用于对象识别的基于DM-L的特征提取和分类器集成 9积分/C币 立即下载
1/19
论文研究 - 用于对象识别的基于DM-L的特征提取和分类器集成第1页
论文研究 - 用于对象识别的基于DM-L的特征提取和分类器集成第2页
论文研究 - 用于对象识别的基于DM-L的特征提取和分类器集成第3页
论文研究 - 用于对象识别的基于DM-L的特征提取和分类器集成第4页

试读结束, 可继续读2页

9积分/C币 立即下载 >