基于深度卷积神经网络的物体识别算法khtni9jg.docVIP

基于深度卷积神经网络的物体识别算法 万方数据 ３３３４ 计算机应用 的结果。 第３６卷 数据库既包含彩色图片又包含对应的深度信息，分别约为２５万张，这些图片是用Ｋｉｎｅｃｔ传感器对日常生活中的３００个物 本文首先用ＲＧＢ．Ｄ物体数据库中的彩色图片训练了一个三个卷积层和一个全连接层的卷积神经网络模型，直接用这个模型在彩色数据的测试集上得到的分类精度是５１％。由于已有的研究已证明在特定任务中训练的深度卷积神经网络模型，可以被用于其他视觉任务中不同的数据库上，本文还在Ｃａｆｆｅ开源库中提供的ＭｅｘＮｅｔ基础之上采用了微调的方法‘１“。所谓微调就是用任务数据库对已有的在大规模数据库上训练好的模型进行再训练，从而使训练好的模型参数能够拟合当前的数据库。实验发现，用微调的方法在彩色图片上的分类精度能达到７４％，由此就确定了用微调的方法来提取图片特征完成 体进行拍摄得到的，拍摄的时候相机被安装在离水平方向成 ３００、４５０以及６０。三个方向，并采用上义词／下义词的词网关系来部署物体类别，这些物体可被分成５１个类，按照首字母排序的方式对应苹果类（ａｐｐｌｅ）到水瓶类（ｗａｔｅｒｂｏｔｔｌｅ），每个类别下包含多个同类物体。图１列出了这个数据库中一些物体的彩色图片。 ７酊 ＩｎｖａｒｉａｎｔＦｅａｔｕｒｅ