基于卷积神经网络和集成学习的材质识别和分割方法研究
基于卷积神经网络和集成学习的材质识别和分割方法研究
【摘要】： 随着人工智能社会的快速发展,智能生活的概念越来越深入人心。材质识别和分割作为计算机视觉感知研究领域中的一个基础性研究课题,近两年来受到学者的广泛关注。材质识别和分割在家庭垃圾自动分类和室内智能导航等领域中应用较为广泛,并且材质识别和分割也是计算机视觉研究领域中许多相关任务的预处理步骤。因此,提高材质识别的精度和提升材质分割效果就成为目前重要的研究课题。但是日常生活中材质种类繁多,而且表面变化多样,所以找到能够较好的表示不同材质类别的图像特征以及如何提高材质识别和分割的精度是非常具有挑战性的任务,也是研究学者研究的重点问题。随着材质识别研究的不断深入,伴随着深度学习的快速发展,基于卷积神经网络和大规模数据库的材质识别方法取得了一定的成绩。本文在基于卷积神经网络的材质识别的算法基础上进行改进,结合集成学习的思想,提出了基于卷积神经网络和集成学习的材质识别方法,并且通过将该算法结合条件随机场,实现图像的材质分割。本文的主要关键点:(1)基于卷积神经网络和集成学习的材质识别方法。该方法首先训练卷积神经网络模型,提取图像的CNN特征,训练基础模型分类器。然后提出基于概率图的集成学习方法,对基础模型分类器进行组合,通过提高正确类别的概率,降低错误类别的概率,实现提高材质识别的精度的目标。同时论文提出了一种权重学习方法,用于学习基础分类器的权重。(2)基于改进CNN和条件随机场的图像材质分割。该部分主要是将经过集成学习后的卷积神经网络模型作为一个滑动窗口,对图像的像素逐个进行材质识别,得到图像的材质类别概率图,然后结合条件随机场实现图像的材质分割。(3)图像材质识别和分割系统的设计与实现。将论文研究的图像材质识别和分割算法应用于该系统,首先通过导入待识别或者分割的材质图像,然后调用指定模型实现对图像中材质的识别或者分割,并在指定位置进行材质识别或者分割结果的显示。上述的研究内容都达到了预期目的,通过在公开数据集上进行实验,实验结果表明基于卷积神经网络和集成学习的材质识别算法的识别精度有一定的提高,同时图像材质分割的效果也得到了提升。
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2018
相关知识
基于卷积神经网络和集成学习的材质识别和分割方法研究
深度学习机器学习卷积神经网络的花卉识别花种类识别
卷积神经网络的算法范文
深度学习之基于Tensorflow卷积神经网络花卉识别系统
基于卷积神经网络的菊花花型和品种识别
应用卷积神经网络识别花卉及其病症
基于实例分割的柑橘花朵识别及花量统计
基于深度学习的百合花种类识别研究
基于深度学习和迁移学习的识花实践
基于深度卷积神经网络的移动端花卉识别系统
网址: 基于卷积神经网络和集成学习的材质识别和分割方法研究 https://m.huajiangbk.com/newsview144950.html
| 上一篇: 中外食人鱼伤人事件盘点与我国生物 |
下一篇: 6种“入侵花”，别养在院子里，种 |
