基于深度學(xué)習(xí)模型的圖像分類研究.pdf

1、圖像分類問題是通過各種機器學(xué)習(xí)算法使計算機自動將各類圖像進行有效管理和分類。由于受圖像不規(guī)則性、光照、尺度變化等因素的影響，使該項工作存在著許多的難點。深度學(xué)習(xí)作為近些年提出的新的機器學(xué)習(xí)方法，因其在圖像特征學(xué)習(xí)中的突出表現(xiàn)而得到廣泛關(guān)注。
　　本文深入探究了一些深度學(xué)習(xí)模型發(fā)現(xiàn)，相比于一些淺層的機器學(xué)習(xí)模型，深度學(xué)習(xí)模型對于復(fù)雜分類問題，尤其是目標(biāo)對象具有豐富含義時，其表達能力及泛化能力更強。這種通過一層層的非線性網(wǎng)絡(luò)結(jié)構(gòu)來表征

2、數(shù)據(jù)的內(nèi)在分布，體現(xiàn)了對輸入樣本數(shù)據(jù)的強大的本質(zhì)特征抽取能力，有效地刻畫了這些數(shù)據(jù)的內(nèi)在信息。因此本文著重研究了基于深度學(xué)習(xí)模型在圖像分類問題中特征提取階段的工作。
　　本文的主要研究工作如下：
　?。?）利用深度學(xué)習(xí)模型的層次特征學(xué)習(xí)能力，在特征匯聚階段引入圖像中目標(biāo)的顯著性信息，增強了圖像的特征表達能力。通過在圖像層次稀疏表示中引入圖像顯著信息，加強了圖像特征的語義信息，得到圖像顯著特征表示。同時相比于手工指定特征，我們

3、的模型采用無監(jiān)督數(shù)據(jù)驅(qū)動的方式直接從圖像中學(xué)習(xí)到有效的圖像特征描述。在2個常用的標(biāo)準(zhǔn)圖像數(shù)據(jù)集(Caltech101和Caltech256)上進行的實驗結(jié)果表明，結(jié)合了圖像顯著性信息的層次特征表示相比于基于局部特征的單層稀疏表示在性能有了進一步的提升。
　?。?）此外本文還結(jié)合了卷積網(wǎng)絡(luò)和深度置信網(wǎng)絡(luò)的各自優(yōu)點，探索了卷積深度置信網(wǎng)絡(luò)模型在場景圖像分類中的潛在應(yīng)用。雖然卷積網(wǎng)絡(luò)對圖像的位移、縮放及其他旋轉(zhuǎn)等變化具有良好的適應(yīng)性，但