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.PDFVIP

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 ；细粒度 ；高斯混合模型 ；VGG 16 ；卷积特征 中图分类号： TP391.4 文献标志码：A Fine Grained Image Classification Using Low Dimensional Selective Convolutional Descriptors and GMM Mean-Only MAP Adaption XIE Bing, ZHU Hong-qing (School of Information Science and Engineering, East China University of Science and Technology, Shanghai 200237, China) Abstract: Fine grained image classification is a challenging task in computer vision. This task aims to recognize images that belong to the same basic category but not the same class or subcategory. This task is intractable for two reasons. First, images of the same class obtained from real world contain different environment, illumination and 收稿日期:2018-06-12 基金项目：国家自然科学基金 作者简介：解 冰（1993-），男，上海人，硕士生，研究方向为机器学习。E-mail:mail.ecust.edu.cn 通信联系人：朱宏擎，E-mail ：hqzhu@ecust.edu.cn postures. All of these differences will lead to a high intra-class variances. Second, some classes under the same basic category look very similar to each other, which results in low inter-class differences. Traditional fine grained image classification approaches divide the input image into many overlapping patches. Thus, these patches will contain huge amount of redundant information. Local region descrip