基于圖像搜索日志的精細(xì)種類圖像識別.pdf

1、隨著圖像識別技術(shù)的不斷進(jìn)步和深度學(xué)習(xí)的發(fā)展，圖像識別日趨實(shí)用化，越來越多的科技公司開始涉及圖像識別領(lǐng)域，圖像識別已經(jīng)成為人工智能的一個(gè)重要領(lǐng)域，廣泛用于人臉識別，文字識別，指紋識別，車牌識別等方向。當(dāng)今圖像識別研究主要聚焦在兩個(gè)不同的位置，一個(gè)是普通的圖像識別，主要是區(qū)分不同種類的物體，比如“花”“鳥”“魚”“蟲”。這些物體的種類差別很大，也相對易于區(qū)分。另一個(gè)是精細(xì)種類圖像識別，這些類別通常是普通類別的子類，比如“狗”這個(gè)普通類別，可

2、以進(jìn)一步區(qū)分為不同的品種，識別不同的品種的就是精細(xì)種類圖像識別。相對于普通的圖像識別，精細(xì)種類的圖像識別更加困難，一個(gè)原因在于不同子類之間的差別比較小，而且容易受到視角、亮度、遮擋、背景等方面的影響。當(dāng)應(yīng)用一些較為復(fù)雜的分類器（如深度神經(jīng)網(wǎng)絡(luò)）進(jìn)行精細(xì)種類圖像識別時(shí)，另一個(gè)困難就是如何獲得用于訓(xùn)練的大規(guī)模的高質(zhì)量標(biāo)注數(shù)據(jù)集，比如狗的品種的識別，可能就需要特定的專業(yè)知識，然而普通人可能并不具備這些專業(yè)知識，因此人工標(biāo)記收集圖片就非常的困難

3、和昂貴。本文針對精細(xì)種類圖像識別的難點(diǎn)，提出下面兩種提高精細(xì)種類圖像識別準(zhǔn)確率的方法。
　　首先，我們選擇互聯(lián)網(wǎng)上廣泛存在的弱標(biāo)注數(shù)據(jù)——圖像搜索日志，作為訓(xùn)練數(shù)據(jù)集。隨著互聯(lián)網(wǎng)和多媒體設(shè)備的普及，以圖片為代表的多媒體數(shù)據(jù)呈現(xiàn)爆炸式的增長，每天都有數(shù)以萬計(jì)的用戶活躍在各大搜索引擎上，用戶搜索圖片時(shí)使用的關(guān)鍵詞即可被當(dāng)做圖像的標(biāo)注來使用。相對于獲得人工標(biāo)注的圖片，獲取這些圖片更容易，能節(jié)約更多的時(shí)間和金錢。然而這些圖片的屬性有時(shí)并不

4、能明確的標(biāo)記一張圖片，所以使用互聯(lián)網(wǎng)上的圖片作為數(shù)據(jù)集通常存在大量的不可忽略的噪聲圖片。本文通過隨機(jī)選擇數(shù)據(jù)集中的一部分圖片訓(xùn)練一個(gè)深度網(wǎng)絡(luò)模型，然后用網(wǎng)絡(luò)模型對整個(gè)數(shù)據(jù)集的圖片進(jìn)行分類，得到每一張圖片對應(yīng)的弱標(biāo)注類別的概率值。我們選擇概率值較大的圖片組成訓(xùn)練集，重新訓(xùn)練深度網(wǎng)絡(luò)模型。實(shí)驗(yàn)表明這種方法能夠有效提高某些數(shù)據(jù)集的分類準(zhǔn)確率。
　　接著針對大規(guī)模的數(shù)據(jù)集不易獲取和精細(xì)種類圖像識別困難的問題，為了分辨不同種類的細(xì)微差別同時(shí)

5、兼顧同一種類的多樣性，提出了新型的適用于精細(xì)種類圖像識別的損失函數(shù)，能夠顯著提高訓(xùn)練數(shù)據(jù)集較小的精細(xì)種類圖像識別的準(zhǔn)確率。我們首先用訓(xùn)練集組成類間圖片對和類內(nèi)圖片對作為雙生子網(wǎng)絡(luò)的輸入，然后將雙生子網(wǎng)絡(luò)的兩個(gè)子網(wǎng)的最后一層輸出的概率抽取出來，接著使用我們提出的損失函數(shù)，認(rèn)為當(dāng)類間圖片對的概率之差超過某個(gè)閾值之后就沒有損失，同樣，當(dāng)類內(nèi)圖片對的概率之差小于某個(gè)閾值之后就沒有誤差。實(shí)驗(yàn)表明這種基于雙生子神經(jīng)網(wǎng)絡(luò)的損失函數(shù)能夠進(jìn)一步提高精細(xì)種