计算机应用
計算機應用
계산궤응용
Journal of Computer Applications
2015年
9期
2636-2639
,共4页
康晓东%王昊%郭军%于文勇
康曉東%王昊%郭軍%于文勇
강효동%왕호%곽군%우문용
图像识别%深度信任网络%受限玻尔兹曼机%计算机视觉
圖像識彆%深度信任網絡%受限玻爾玆曼機%計算機視覺
도상식별%심도신임망락%수한파이자만궤%계산궤시각
image recognition%Deep Belief Network (DBN)%Restricted Boltzmann Machine (RBM)%computer vision
针对彩色图像分类识别的重要性,提出了一种结合图像特征数据和深度信任网络(DBN)的彩色图像识别方法.首先,构造符合人类视觉特性的图像色彩数据场;其次,以小波变换描述图像的多尺度特征;最后,通过无监督训练深度信任网络实现对图像的识别.实验结果表明,所提方法与Adaboost、支持向量机(SVM)方法比较,分类准确率分别提高约3.7％和2.8％,可有效提高图像识别效果.
針對綵色圖像分類識彆的重要性,提齣瞭一種結閤圖像特徵數據和深度信任網絡(DBN)的綵色圖像識彆方法.首先,構造符閤人類視覺特性的圖像色綵數據場;其次,以小波變換描述圖像的多呎度特徵;最後,通過無鑑督訓練深度信任網絡實現對圖像的識彆.實驗結果錶明,所提方法與Adaboost、支持嚮量機(SVM)方法比較,分類準確率分彆提高約3.7％和2.8％,可有效提高圖像識彆效果.
침대채색도상분류식별적중요성,제출료일충결합도상특정수거화심도신임망락(DBN)적채색도상식별방법.수선,구조부합인류시각특성적도상색채수거장;기차,이소파변환묘술도상적다척도특정;최후,통과무감독훈련심도신임망락실현대도상적식별.실험결과표명,소제방법여Adaboost、지지향량궤(SVM)방법비교,분류준학솔분별제고약3.7％화2.8％,가유효제고도상식별효과.
