资料下载
×
基于三通道全连接层的卷积神经网络特征提取
消耗积分:1 |
格式:rar |
大小:1.15 MB |
2017-11-28
分享资料个
针对纹身图像的特点和卷积神经网络（CNN）在全连接层对图像特征抽取能力的不足问题，提出一种三通道的卷积神经网络纹身图像检测算法，并进行了三方面的改进工作。首先，针对纹身图像的特点改进图像预处理方案；其次，设计了一个基于三通道全连接层的卷积神经网络进行特征提取，并对特征建立索引，有效地提高了网络对不同尺度下空间信息的提取能力，实现了对纹身图像的高效检测；最后，通过两个数据集验证了算法的泛化能力。实验结果表明，对NIST数据集所提预处理方案比Alex方案有总正确率提高0.17个百分点，纹身图像正确率提高0. 29个百分点。在所提预处理方案下，提出的算法在标准的NIST纹身图像集上具有明显的优势，正确率从NIST公布的最优值96. 3%提高到99. 1%，提高了2.8个百分点；相对于传统的CNN算法，正确率从98. 8%提高到99. 1%，提高了0.3个百分点。在Flickr数据集上也有相应的性能提升。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
