模式识别与人工智能
模式識彆與人工智能
모식식별여인공지능
Moshi Shibie yu Rengong Zhineng
2014年
8期
750-757
,共8页
徐守晶%韩立新%曾晓勤
徐守晶%韓立新%曾曉勤
서수정%한립신%증효근
堆叠去噪编码器( SDA)%卷积自动编码器( CAE)%图像分类%图像检索
堆疊去譟編碼器( SDA)%捲積自動編碼器( CAE)%圖像分類%圖像檢索
퇴첩거조편마기( SDA)%권적자동편마기( CAE)%도상분류%도상검색
Stacked Denoising Auto-encoder ( SDA )%Convolutional Auto-encoder ( CAE )%Image Classification%Image Retrieval
将堆叠去噪编码器应用于图像识别中,并针对自然图像检索领域,使用卷积自动编码器改进堆叠去噪编码器,采用非监督贪婪逐层训练算法初始化网络权重,使用反向传播算法优化网络参数。利用改进的堆叠去噪编码器提取自然图像特征,使用softmax分类器分类。最后将提取的特征结合尺度不变特征转换技术实现图像检索。实验证明改进型堆叠去噪编码器大幅降低网络训练时长的同时增强网络的容错能力,提高分类器的分类精度,最终改善图像的检索效果。
將堆疊去譟編碼器應用于圖像識彆中,併針對自然圖像檢索領域,使用捲積自動編碼器改進堆疊去譟編碼器,採用非鑑督貪婪逐層訓練算法初始化網絡權重,使用反嚮傳播算法優化網絡參數。利用改進的堆疊去譟編碼器提取自然圖像特徵,使用softmax分類器分類。最後將提取的特徵結閤呎度不變特徵轉換技術實現圖像檢索。實驗證明改進型堆疊去譟編碼器大幅降低網絡訓練時長的同時增彊網絡的容錯能力,提高分類器的分類精度,最終改善圖像的檢索效果。
장퇴첩거조편마기응용우도상식별중,병침대자연도상검색영역,사용권적자동편마기개진퇴첩거조편마기,채용비감독탐람축층훈련산법초시화망락권중,사용반향전파산법우화망락삼수。이용개진적퇴첩거조편마기제취자연도상특정,사용softmax분류기분류。최후장제취적특정결합척도불변특정전환기술실현도상검색。실험증명개진형퇴첩거조편마기대폭강저망락훈련시장적동시증강망락적용착능력,제고분류기적분류정도,최종개선도상적검색효과。
Stacked denoising auto-encoder( SDA) is introduced into the image recognition. Convolutional auto-encoder ( CAE) is used to improve SDA in the area of natural image retrieval. The unsupervised greedy layer-wise training algorithm is used to initialize the weight of the network. The parameters of the network are optimized by the back propagation algorithm. The improved SDA is trained for extracting features from natural images and the softmax classifier is used for classification. Finally, the extracted feature combined with scale invariant feature transform ( SIFT) is used for realizing images retrieval. The experimental results show that the improved stacked denoising auto-encoder( ISDA) method can greatly reduce the time of network training, enhance the fault-tolerant ability of network, raise the classification precision of the classifier and eventually improve the image retrieval performance.