基于多通道卷积神经网络的非结构化道路路表分析-计算机应用与软件.PDF

第３３卷第１期　　　 计算机应用与软件 Ｖｏｌ３３Ｎｏ．１ ２０１６年１月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｊａｎ．２０１６ 基于多通道卷积神经网络的非结构化道路路表分析 崔　巍　杨　健　常合友 （南京理工大学计算机科学与技术学院　江苏南京２１００００） 摘　要　　针对传统卷积神经网络ＣＮＮ（ＣｏｎｖｏｌｕｔｉｏｎａｌＮｅｕｒａｌＮｅｔｗｏｒｋｓ）在训练或学习时只利用图像的灰度信息，丢失了颜色信息的 问题，提出一种基于多通道卷积神经网络来提取特征的方法。该算法对于每一个颜色通道分别学习一个多层卷积神经网络，并且在 输出层通过全连通的神经网络进行融合。算法首先建立三个多层卷积神经网络来学习图像三个通道（ＲＧＢ，ＨＳＶ，Ｌａｂ等）的特征； 然后将三个颜色通道的特征赋予不同的权值（权值和为１）后进行融合，得到样本的特征；最后通过一个全连通的神经网络得到分类 结果。实验结果分析表明，该算法相比于传统卷积神经网络能取得更高的准确性，同时能更好地适应复杂多变的环境。 关键词　　卷积神经网络　颜色信息　多通道　自学习特征 中图分类号　ＴＰ３　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１６．０１．０４１ ＡＮＡＬＹＳＩＮＧＴＥＲＲＡＩＮＯＦＵＮＳＴＲＵＣＴＵＲＥＤＲＯＡＤＢＡＳＥＤＯＮＭＵＬＴＩＣＨＡＮＮＥＬ ＣＯＮＶＯＬＵＴＩＯＮＮＥＵＲＡＬＮＥＴＷＯＲＫ ＣｕｉＷｅｉ　ＹａｎｇＪｉａｎ　ＣｈａｎｇＨｅｙｏｕ （ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｎａｎｊｉｎｇ２１００００，Ｊｉａｎｇｓｕ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｃｏｎｖｅｎｔｉｏｎａｌｃｏｎｖｏｌｕｔｉｏｎｎｅｕｒａｌｎｅｔｗｏｒｋｏｎｌｙｕｓｅｓｉｍａｇｅｇｒａｙｓｃａｌｅｉｎｆｏｒｍａｔｉｏｎｉｎｔｒａｉｎｉｎｇｏｒｌｅａｒｎｉｎｇｂｕｔｌｏｓｅｓｃｏｌｏｕｒ ｉｎｆｏｒｍａｔｉｏｎ．Ａｉｍｉｎｇａｔｔｈｉｓｐｒｏｂｌｅｍ，ｔｈｅｐａｐｅｒｐｒｏｐｏｓｅｓａｍｅｔｈｏｄｗｈｉｃｈｅｘｔｒａｃｔｓｔｈｅｆｅａｔｕｒｅｓｂａｓｅｄｏｎｍｕｌｔｉｃｈａｎｎｅｌｃｏｎｖｏｌｕｔｉｏｎｎｅｕｒａｌ ｎｅｔｗｏｒｋｓ．Ｔｈｅａｌｇｏｒｉｔｈｍｌｅａｒｎｓｏｎｅｍｕｌｔｉｌａｙｅｒｓｃｏｎｖｏｌｕｔｉｏｎｎｅｕｒａｌｎｅｔｗｏｒｋｆｏｒｅａｃｈｃｏｌｏｕｒｃｈａｎｎｅｌｒｅｓｐｅｃｔｉｖｅｌｙａｎｄｆｕｓｅｓｔｈｅｍｔｈｒｏｕｇｈａｆｕｌｌ ｃｏｎｎｅｃｔｅｄｎｅｔｗｏｒｋｏｎｏｕｔｐｕｔｌａｙｅｒ．Ｆｉｒｓｔ，ｔｈｅａｌｇｏｒｉｔｈｍｅｓｔａｂｌｉｓｈｅｓｔｈｒｅｅｍｕｌｔｉｌａｙｅｒｓｃｏｎｖｏｌｕｔｉｏｎｎｅｕｒａｌｎｅｔｗｏｒｋｓｔｏｌｅａｒｎｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆｔｈｒｅｅｃｈａｎｎｅｌｓ（ＲＧＢ，ＨＳＶ，Ｌａｂ，ｅｔｃ．）ｏｆｉｍａｇｅ．Ｔｈｅｎｉｔａｓｓｉｇｎｓｄｉｆｆｅｒｅｎｔｗｅｉｇｈｔｓ（ｗｅｉｇｈｔｓｓｕｍ１）ｔｏｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｔｈｅｓｅｔｈｒｅｅ ｃｏｌｏｕｒｃｈａｎｎｅｌｓａｎｄｔｈｅｎｆｕｓｅｓｔｈｅｍｔｏｇｅｔｔｈｅｓａｍｐｌｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓ．Ｆｉｎａｌｌｙ，ｉｔｏｂｔａｉｎｓｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎｒｅｓｕｌｔｓｂｙａｆｕｌｌｙｃｏｎｎｅｃｔｅｄｎｅｕｒａｌ ｎｅｔｗｏｒｋ．Ｉｔｉｓｓｈｏｗｅｄｂｙａｎａｌｙｓｉｎｇｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｔｈａｔｔｈｉｓａｌｇｏｒｉｔｈｍｈａｓｈｉｇｈｅｒａｃｃｕｒａｃｙｔｈａｎｃｏｎｖｅｎｔｉｏｎａｌｃｏｎｖｏｌｕｔｉｏｎｎｅｕｒａｌ ｎｅｔｗｏｒｋｗｈｉｌｅｃａｎｂｅｔｔｅｒａｄａｐｔｔｏｃｏｍｐｌｅｘｃｈａｎｇｉｎｇｅｎｖｉｒｏｎｍｅｎｔｓ． Ｋｅｙｗｏｒｄｓ　　Ｃｏｎｖｏｌｕｔｉｏｎｎｅｕｒａｌｎｅｔｗｏｒｋ　Ｃｏｌｏｕｒｉｎｆｏｒｍａｔｉｏｎ　Ｍｕｌｔｉｃｈａｎｎｅｌ　Ｓｅｌｆｌｅａｒｎｉｎｇｆ