原创力文档- 1、本文档共61页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
目录
摘要I
AbstractIII
第一章绪论1
1.1研究背景及意义1
1.1.1研究背景1
1.1.2研究意义3
1.1.3困难与挑战3
1.2国内外研究现状5
1.2.1基于检测或分割技术的细粒度图像分类5
1.2.2基于深度滤波器的细粒度图像分类6
1.2.3基于注意力机制的细粒度图像分类6
1.3研究内容及创新点7
1.3.1研究内容7
1.3.2创新点8
1.4文章结构9
第二章相关概念和技术10
2.1传统图像分类技术10
2.1.1线性子空间学习11
2.1.2有监督的特征选择11
2.1.3线性判别分析12
2.2深度学习技术13
2.2.1LDA-Net13
2.2.2异步学习13
2.2.3跨部件特征传递15
2.3本章小结16
第三章基于线性判别分析的有监督特征选择研究17
3.1基于LDA的有监督特征选择研究17
3.1.1LDA17
3.1.2自适应范数正则化模块18
3.1.3结构化稀疏子空间约束模块20
3.1.4自适应结构稀疏判别特征选择22
3.2实验结果与分析23
3.2.1实验数据集23
3.2.2对比方法25
3.2.3对比实验设置25
3.2.4实验结果26
3.3本章小结29
第四章基于卷积神经网络的异步跨部件细粒度图像分类研究30
4.1细粒度图像分类网络框架30
4.1.1ASS-Net网络31
4.1.2异步学习网络33
4.1.3部件评分生成器35
4.1.4上下文转换整合器36
4.2实验结果与分析37
4.2.1实验数据集37
4.2.2对比方法38
4.2.3对比实验设置39
4.2.4实验结果39
4.3本章小结44
第五章总结与展望45
5.1本文总结45
5.2未来展望45
参考文献46
攻读硕士学位期间的主要成果53
致谢54
摘要
细粒度图像分类是在区分出基本图像类别的基础上，进行更精细的子类划分方法，因
此细粒度图像分类对于图像的特征选择具有更高的要求。但是现有的图像预处理方法在特
征选择的过程中存在维数灾难问题与子空间稀疏问题，导致所采集的图像特征信息密度低。
此外，在图像采集过程中，目标图像存在光照、视角、遮挡、背景等干扰因素，以及不同
图像类别对象间的颜色、形状、姿态等元素相似度高的情况，导致现有细粒度图像存在类
间差异小、类内差异大的问题。以上问题使现有的细粒度图像分类方法难以保证分类准确
性。针对上述问题，本文的主要工作如下：
（1）针对维数灾难与子空间稀疏问题，本文提出了基于LDA的自适应结构稀疏判别特
征选择方法（ASSDFS）。首先，对数据集中的每张图片进行特征提取并将其对应的特征图
进行维度变换为单个
文档评论（0）