网站大量收购闲置独家精品文档,联系QQ:2885784924

基于异步学习与跨部件特征传递的细粒度图像分类研究.pdfVIP

基于异步学习与跨部件特征传递的细粒度图像分类研究.pdf

  1. 1、本文档共61页,可阅读全部内容。
  2. 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. 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. 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. 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. 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. 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. 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
查看更多

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)

论文资源 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档