基于三通道卷积神经网络的纹身图像检测算法

摘要：

针对纹身图像的特点和卷积神经网络(CNN)在全连接层对图像特征抽取能力的不足问题,提出一种三通道的卷积神经网络纹身图像检测算法,并进行了三方面的改进工作.首先,针对纹身图像的特点改进图像预处理方案;其次,设计了一个基于三通道全连接层的卷积神经网络进行特征提取,并对特征建立索引,有效地提高了网络对不同尺度下空间信息的提取能力,实现了对纹身图像的高效检测;最后,通过两个数据集验证了算法的泛化能力.实验结果表明,对NIST数据集所提预处理方案比Alex方案有总正确率提高0.17个百分点,纹身图像正确率提高0.29个百分点.在所提预处理方案下,提出的算法在标准的NIST纹身图像集上具有明显的优势,正确率从NIST公布的最优值96.3％提高到99.1％,提高了2.8个百分点;相对于传统的CNN算法,正确率从98.8％提高到99.1％,提高了0.3个百分点.在Flickr数据集上也有相应的性能提升.

关键词： 纹身图像 检测算法 深度学习 卷积神经网络

作者: 许庆勇 江顺亮 徐少平 葛芸 唐祎玲

作者单位: 南昌大学 信息工程学院,南昌330031;南昌大学 经济管理学院,南昌330031 南昌大学 信息工程学院,南昌330031

会议类型: 国内会议

会议名称: 第十七届中国Rough集与软计算学术会议、第十一届中国Web智能学术研讨会、第十一届中国粒计算研讨会及第五届三支决策学术会议联合会议 (CRSSC-CWI-CGrC-3WD 2017)

会议地点: 合肥

会议语种:中文

页码: 2705-2711

在线出版日期: 2017-05-26（万方平台首次上网日期，不代表论文的发表时间）