基于自适应权重CNN特征融合的现勘图像分类方法

摘要：

　　卷积神经网络的卷积层特征和全连接层特征的组合提供了提高现勘图像分类的有效方法，然而由于固定权重可能导致不准确的图像特征对分类结果造成影响。为了解决这个问题，本文提出一种基于自动编码器的自适应特征融合算法来提高图像的分类效率。首先，利用迁移学习训练卷积神经网络模型；然后，分别提取图像的卷积层特征和全连接层特征；之后，根据自动编码器进一步学习图像的卷积层特征和全连接层特征，利用Softmax标准化对得到的特征进行自适应权重融合，并完成最终分类。通过实验结果证明，该算法有效提高了现勘图像的分类结果。

关键词： 卷积神经网络 自动编码器 现勘图像分类 特征提取

作者: 刘颖 张倩楠 董海涛 程美 刘红燕 王富平 范九伦

作者单位: 西安邮电大学通信与信息工程学院,陕西省西安市710121;电子信息现场勘验应用技术公安部重点实验室,陕西省西安市710121 西安邮电大学通信与信息工程学院,陕西省西安市710121

会议类型: 国内会议

会议名称: 2019年陕西省通信学会“学术金秋”年会

会议地点: 西安

会议语种:中文

页码: 1-5

在线出版日期: 2019-11-01（万方平台首次上网日期，不代表论文的发表时间）