無(wú)監(jiān)督特征抽取方法及其在目標(biāo)識(shí)別中的應(yīng)用.pdf

1、隨著信息技術(shù)的快速發(fā)展，圖像識(shí)別技術(shù)廣泛應(yīng)用于人臉，數(shù)字及其他各種目標(biāo)的識(shí)別中，因此在工農(nóng)業(yè)、商業(yè)、軍事應(yīng)用中有著強(qiáng)烈的技術(shù)需求。圖像特征抽取是圖像識(shí)別技術(shù)中的關(guān)鍵環(huán)節(jié)，對(duì)其開(kāi)展研究具有重要的理論意義和應(yīng)用價(jià)值。論文針對(duì)無(wú)監(jiān)督特征抽取方法開(kāi)展了研究，并將其應(yīng)用于紅外車(chē)輛類(lèi)目標(biāo)的識(shí)別中。論文的主要內(nèi)容如下：
　　綜述了多種基于深度網(wǎng)絡(luò)的無(wú)監(jiān)督特征抽取方法，分析了它們的優(yōu)缺點(diǎn)，討論了此類(lèi)方法在中等規(guī)模數(shù)據(jù)樣本情況下應(yīng)用的局限，提出采用

2、視覺(jué)詞典類(lèi)學(xué)習(xí)替代深度網(wǎng)絡(luò)的無(wú)監(jiān)督特征特征抽取思路。
　　提出了一種基于視覺(jué)詞典學(xué)習(xí)的單級(jí)無(wú)監(jiān)督特征抽取方法。在闡述了無(wú)監(jiān)督特征抽取的流程后，深入討論了視覺(jué)詞典的生成和編碼器的選取對(duì)特征抽取的影響。提出綜合利用Kmeans聚類(lèi)、正交匹配追蹤算法OMP(Orthogonal Matching Pursuit)和軟閾值編碼器方法從隨機(jī)采樣的樣本塊中學(xué)習(xí)特征抽取基，以提高識(shí)別的準(zhǔn)確率。在Cifar-10和VOC2012數(shù)據(jù)集上，對(duì)改進(jìn)后

3、的單級(jí)計(jì)算結(jié)構(gòu)進(jìn)行測(cè)試，并將其與基于深度學(xué)習(xí)的特征抽取算法進(jìn)行比較。實(shí)驗(yàn)證明，改進(jìn)后的單級(jí)計(jì)算結(jié)構(gòu)識(shí)別率高于原單級(jí)計(jì)算結(jié)構(gòu)及大多數(shù)其他算法。驗(yàn)證了所提方法適合中等規(guī)模訓(xùn)練數(shù)據(jù)集的應(yīng)用條件。
　　模擬深度神經(jīng)網(wǎng)絡(luò)中的卷積層和池化層實(shí)現(xiàn)方法，采用空間金字塔池化方法，將提出的單級(jí)擴(kuò)展為兩級(jí)計(jì)算結(jié)構(gòu)以提升其抽取更復(fù)雜特征的能力。在遙感建筑物自選數(shù)據(jù)集上測(cè)試的實(shí)驗(yàn)結(jié)果表明，兩級(jí)計(jì)算結(jié)構(gòu)優(yōu)于單級(jí)計(jì)算結(jié)構(gòu)及其他算法。
　　提出了一種采用“