联合语义部件的鸟类图像细粒度识别
由于子类别的高度相似性引起的类间微小差异,以及姿态、尺度和旋转方面的类内变化,使得细粒度图像识别成为一个具有挑战性的计算机视觉问题.为了对鸟类图像进行细粒度识别,提出一种联合语义部件的深度卷积神经网络模型.该模型由2个子网络组成:一个是语义部件检测子网,使用深度残差网络对鸟类图像语义部件进行精确定位;另一个是分类子网,使用三路深度残差网络对检测子网检测到的语义部件进行联合分类.收集了一个新的鸟类图像数据集YUB-200-2017,用于鸟类图像细粒度识别实验.结果表明,在YUB-200-2017和CUB-200-2011数据集上,文中方法具有较高的语义部件检测精度和识别准确率.
细粒度图像识别、语义部件检测、深度学习、卷积神经网络
30
TP391.41(计算技术、计算机技术)
国家自然科学基金61662072, 61540062;云南省教育厅基金2015Y285, 2016CYH03;云南省应用基础研究项目2014FA021
2018-08-27(万方平台首次上网日期,不代表论文的发表时间)
共8页
1522-1529