基于多特征融合的自适应权重目标分类方法

被引：6

作者：

王立鹏

张智

苏丽

聂文昌

机构：

[1] 哈尔滨工程大学自动化学院

来源：

华中科技大学学报(自然科学版) | 2020年 / 48卷 / 09期

基金：

中央高校基本科研业务费专项资金资助;

关键词：

目标分类; 深度学习; 卷积神经网络; 多特征融合; 自适应权重;

D O I：

10.13245/j.hust.200907

中图分类号：

TP391.41 []; TP18 [人工智能理论];

学科分类号：

080203 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

提出一种自适应权重的融合卷积特征和方向梯度直方图(HOG)特征的目标分类方法,实现快速精准分类目的.首先,利用ResNet网络框架提取图像卷积特征,增加OpenCV接口以提取图像HOG特征,对HOG特征图扩维处理至与卷积特征同维;然后,在ResNet网络框架中嵌入SENet模块,计算卷积特征和HOG特征的权重向量,将卷积特征、HOG特征及相应的权重向量加以变权值叠加,实现多特征的自适应同步融合,以此构建二分类网络模块;其次,将二分类网络模块嵌入Faster Rcnn网络,构成Faster Rcnn-HOG新型网络,通过基于变阈值的粗检测策略和先验知识的区域关注策略得到图像中目标预处理检测框,利用二分类网络模块精确判定,实现目标分类.将Faster Rcnn-HOG与传统Faster Rcnn网络及另一特征融合网络Net-BB-HOG进行对比试验,三种方法在目标大类识别方面性能基本相当,但是FasterRcnn-HOG在目标小类识别方面效果更佳,证明了提出的多特征融合自适应目标分类方法的有效性和正确性.

引用

页码：38 / 43

页数：6

共 9 条

[1]

基于深度学习的多特征融合的目标检测.[D].黄祖微.浙江大学.2018, 01

[2] 基于HOG与卷积神经网络的人脸识别研究 [J].