共 2 条
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
来源:
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