基于卷積神經(jīng)網(wǎng)絡的視覺識別研究.pdf

1、近年來，卷積神經(jīng)網(wǎng)絡（CNN）憑借其強大的特征學習能力在視覺識別領域取得重要進展，并受到學術界和工業(yè)界的廣泛關注。首先，本文對 CNN的結構進行如下兩方面的創(chuàng)新研究：
　　1）針對CNN全連接層對圖像平移、旋轉、縮放等變換比較敏感的問題，提出了一種混合模型——卷積詞袋網(wǎng)絡（BoCW-Net）。它將BoW模型嵌入CNN結構中并代替全連接層，通過端到端的方式學習特征、字典和分類器。為實現(xiàn)BoCW-Net整個網(wǎng)絡的有監(jiān)督學習，提出基于方

2、向相似度的BoCW編碼。同時，為充分利用中層特征和高層特征的鑒別性，將中層輔助分類器與高層分類器集成，形成主-輔集成分類器。實驗結果表明：相比全連接層，BoCW表示對各種變換具有更強的不變性；主-輔集成分類器能有效融合中層、高層特征，提高 BoCW-Net的識別性能；BoCW-Net在CIFAR-10、CIFAR-100和MNIST數(shù)據(jù)庫上均取得了改進的識別性能，最終分別獲得4.88％、22.48%和0.21%的測試錯誤率。
　　

3、2）鏈式結構的CNN雖然能利用表征全局的高層特征解決一般的粗糙分類問題，但沒有利用表征局部細節(jié)的中層特征解決精細分類問題。因此本文提出另外一種改進模型——卷積詞袋-融合網(wǎng)絡（BoCW-FusionNet）。它將中層、高層特征的BoCW表示進行級聯(lián)后再連接分類器，同樣是通過端到端的有監(jiān)督方式學習特征、字典和分類器。實驗結果表明：BoCW-FusionNet相比鏈式CNN獲得微小的改進性能，在CIFAR-10和CIFAR-100數(shù)據(jù)庫上分別

4、獲得5.36%和24.82%的測試錯誤率。
　　然后，利用改進的CNN模型（BoCW-Net和BoCW-FusionNet）來解決實際應用問題，包括車型行人識別以及男女性別識別。車型行人數(shù)據(jù)包含6類車型（客車、轎車、面包車、貨車、三輪車以及摩托車）和1類行人的圖像，分類準確率分別為98.06%（BoCW-Net）和97.94%（BoCW-FusionNet）。男女性別數(shù)據(jù)包含男女兩類的人臉或頭像照片，分類準確率分別為96.20%（

5、BoCW-Net）和94.90%（BoCW-FusionNet）。實際應用表明，改進的CNN模型均獲得較好的識別性能。
　　BoCW-Net和BoCW-FusionNet的分類性能比較表明：無論公共數(shù)據(jù)庫還是實際應用數(shù)據(jù)，中層、高層 BoCW表示的主-輔分類器集成方式相比級聯(lián)方式能有效地融合中層和高層特征。最后，使用BoCW-Net參與Kaggle大數(shù)據(jù)分析平臺上的CIFAR-10物體識別競賽和FER2013人臉表情識別競賽，分別