联合SENet异构层特征融合与集成学习的材质图像识别
CSTR:
作者:
作者单位:

华东交通大学 软件学院,南昌 330013

作者简介:

通讯作者:

E-mail: zhanghongbin@whu.edu.cn.

中图分类号:

TP391

基金项目:

国家自然科学基金项目(61762038,61861016);教育部人文社会科学研究规划基金项目(20YJAZH142).


Material image recognition combining heterogeneous-layer feature fusion of SENet and ensemble learning
Author:
Affiliation:

School of Software,East China Jiaotong University,Nanchang 330013,China

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    材质图像识别具备广阔的应用前景,如衣物识别、机器人拾取、工业检测等.受光照强度和拍摄角度等影响,材质图像易发生变化,而挖掘鲁棒、高效的图像特征是应对该变化的关键.对此,提出SECF2模型:抽取SENet中具有良好互补性的异构层特征; 改进聚类典型相关性分析模型,实现异构层特征融合,生成刻画材质图像的深层视觉语义,它是一种判别性更强且鲁棒的新特征;采用深层视觉语义训练分类模型并执行集成学习,完成材质图像识别.实验表明:SECF2模型在两个材质图像数据集上都有效,其中Fabric上的识别精准度较最强基线提升8.85%;SECF2模型还具备较强通用性,在图像情感分析基准数据集上取得优异的表现.此外,SECF2仅需两个特征和一次融合,模型复杂度降低且实时效率优良.

    Abstract:

    Material image recognition has broad application prospects, such as clothing recognition, automatic picking by a robot, industrial detection, etc. Owing to the influence of light intensity and camera angle, material image is easy to change. Mining robust and effective image features is one of the most important factors to handle this change. To address this problem, an improved model called {SECF2

    参考文献
    相似文献
    引证文献
引用本文

张红斌,熊其鹏,蒋子良,等.联合SENet异构层特征融合与集成学习的材质图像识别[J].控制与决策,2022,37(6):1632-1642

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2022-04-22
  • 出版日期: 2022-06-20
文章二维码