基于分层深度学习的鲁棒行人分类

被引:4
作者
丁文秀 [1 ]
孙锐 [1 ]
闫晓星 [2 ]
机构
[1] 合肥工业大学计算机与信息学院
[2] 合肥工业大学光电技术研究院
基金
教育部留学回国人员科研启动基金;
关键词
目标识别; 深度学习; 无监督学习; 非线性处理; 稀疏编码;
D O I
暂无
中图分类号
TP391.41 [];
学科分类号
080203 ;
摘要
针对行人分类中常见的光照条件、形体变化以及遮挡等多种因素,对特征提取过程造成了很大的阻碍。本文提出一种基于稀疏编码的分层特征提取方法。该方法采用前向预测函数训练最优的稀疏编码,在深度卷积网络模型的框架下以卷积预测稀疏分解算法(CPSD)分别对两层模型进行无监督学习,将两层的特征融合起来,最后采用支持向量机算法实现行人分类。实验结果表明,该文特征学习方法对行人分类的有效性,对比同类方法性能有明显提升。
引用
收藏
页码:21 / 27
页数:7
相关论文
共 2 条
[1]   基于特征融合和交叉核SVM的快速行人检测方法 [J].
孙锐 ;
侯能干 ;
陈军 .
光电工程, 2014, 41 (02) :53-62
[2]   行人检测技术综述 [J].
苏松志 ;
李绍滋 ;
陈淑媛 ;
蔡国榕 ;
吴云东 .
电子学报, 2012, 40 (04) :814-820