测绘科学

2019, v.44;No.252(06) 121-125

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

卷积神经网络在大规模图像分类中的应用
Application of convolutional neural networks in large-scale image classification

李英成;钱赛男;朱祥娥;刘晓龙;李晶晶;

摘要(Abstract):

针对大规模无序图像分类处理中成对图像的匹配和几何验证的计算量大的问题,该文通过研究和学习机器学习及图像识别领域先进的方法,提出了一种基于孪生神经网络的大规模图像有序化方法。该算法主要是:通过抽取已训练好的VGG19的网络模型的卷积层作为图像的特征,将提出的特征分别加权后,连接起来,再次卷积和池化,利用响应函数判定图像之间连通性,实现对输入图像对连通性判定。经实验证明,该算法可有效地识别具有场景重叠的图像对,效率和精度上也有所提高,无须执行详尽的推定匹配和几何验证,适用于运动恢复结构,图像连接等各种场景。

关键词(KeyWords): 卷积神经网络;VGGNet;siamese学习;图像对;无序图像;图像分类

Abstract:

Keywords:

基金项目(Foundation): 国家重点研发计划项目(2017YFB0503004)

作者(Author): 李英成;钱赛男;朱祥娥;刘晓龙;李晶晶;

Email:

DOI: 10.16251/j.cnki.1009-2307.2019.06.017

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享