一种基于选择性卷积特征和最大后验高斯混合模型-华东理工大学学报.PDF

DOI ：10.14135/j.cnki.1006 -3080. 20180603001 一种基于选择性卷积特征和最大后验高斯混合模型的细粒度图像分 类算法 解 冰, 朱宏擎 (华东理工大学信息科学与工程学院，上海 200237)1 摘要：提出了一种新颖的细粒度图像分类算法。该算法从神经网络VGG 16 当中 提取出卷积特征后，特征进行筛选，得到选择性卷积特征，然后利用最大后验高 斯混合模型对特征进行分类，从而解决细粒度图像分类问题。造成细粒度图像分 类困难的主要原因是类内差异和类间差异。利用卷积特征对图像更细致的描述能 力，能够有效地减小类内差异。同时，对从VGG 16 中得到的卷积特征进行筛选， 能够较大程度地摆脱背景干扰，从而提高类间差异。最后，采用基于最大后验的 高斯混合模型对这些选择性卷积特征进行分类。本文算法不仅克服了两种差异带 来的问题，还解决了传统高斯混合模型缺少大量实验数据的困难。实验结果表明， 在当下流行的5 种细粒度图像数据集上，本文算法有更好的分类效果。 关键词：图像分类 ；