亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于深度學(xué)習(xí)的目標(biāo)反饋?zhàn)R別系統(tǒng)

        2016-04-25 06:51:25劉浩董軍宇孫鑫蹇木偉
        中國科技博覽 2016年8期
        關(guān)鍵詞:深度神經(jīng)網(wǎng)絡(luò)目標(biāo)識別反饋

        劉浩++董軍宇++孫鑫++蹇木偉

        [摘 要]本文適當(dāng)運(yùn)用主動學(xué)習(xí)方法,提出了一種基于深度神經(jīng)網(wǎng)絡(luò)的目標(biāo)反饋?zhàn)R別方法,可以從無標(biāo)記測試樣本中選擇最合適的樣本反饋訓(xùn)練深度網(wǎng)絡(luò)模型,使得識別系統(tǒng)在使用過程中逐漸提高目標(biāo)識別的準(zhǔn)確度和魯棒性。實(shí)驗(yàn)結(jié)果表明所提出的方法能夠在快速準(zhǔn)確地對目標(biāo)進(jìn)行辨別的同時(shí),逐漸提升真實(shí)場景下應(yīng)用的準(zhǔn)確度。

        [關(guān)鍵詞]主動學(xué)習(xí);深度神經(jīng)網(wǎng)絡(luò);反饋;目標(biāo)識別

        中圖分類號:TP391.41 文獻(xiàn)標(biāo)識碼:A 文章編號:1009-914X(2016)08-0383-01

        Object Feedback Recognition System Base on Deep Learning

        Hao Liu1,Junyu Dong1,Xin Sun1,Muwei Jian1

        [Abstract]This paper proposed a novel deep neural network based object recognition method with a feedback process by using an appropriate active learning method. It selects better non-labeled samples to feedback and retrain the deep neural network model, which makes the accuracy and robustness of the object recognition system improved gradually during use. The experiments show that the proposed method can recognize the target object in a fast way and improve the accuracy of application in the real scene gradually.

        [Key words]Active Learning; Deep Neural Network; Feedback; Object Recognition

        1.介紹

        目標(biāo)識別一直以來都是機(jī)器學(xué)習(xí)領(lǐng)域研究的前沿問題,近些年來,出現(xiàn)了一些優(yōu)秀的基于特征的物體識別方法,例如基于梯度信息的SIFT/SURF[1]算法等,但隨著數(shù)據(jù)集樣本的增多,逐漸達(dá)到了一定的瓶頸。近年來,基于深度學(xué)習(xí)所提取的抽象特征在物體識別中取得了非常好的表現(xiàn)。2012年Krizhevsky等人通過使用卷積神經(jīng)網(wǎng)絡(luò)取得了較高的圖像分類準(zhǔn)確率。2014年R. Girshick[2]等人所提出的Region Based CNN算法在目標(biāo)識別領(lǐng)域也取得了較好的結(jié)果。雖然這些方法取得了較好的效果,但是日常生活中的場景是多變的,因此需要所得到的模型能夠自動學(xué)習(xí)和適應(yīng)新的場景和需求,本文將基于RCNN方法提出一種帶反饋的自適應(yīng)學(xué)習(xí)目標(biāo)識別算法,它隨著反饋的增加,模型越來越完善和智能。

        2.相關(guān)技術(shù)介紹

        2.1 RCNN算法

        Region Based CNN算法首先使用Selective search算法在圖像上產(chǎn)生約2000個(gè)候選窗口,進(jìn)行目標(biāo)檢測。然后使用CNN對每一個(gè)候選窗口提取4096維特征來表示每個(gè)Proposal,最后用SVM分類器對目標(biāo)進(jìn)行分類。

        2.2 主動反饋學(xué)習(xí)

        主動學(xué)習(xí)具有減少冗余和快速收斂的優(yōu)勢。通過一定的主動學(xué)習(xí)方法選擇出一個(gè)或一批最有用的樣本,并向檢查者詢問標(biāo)簽,然后利用獲得的新知識來訓(xùn)練分類器和進(jìn)行下一輪查詢。本文使用主動學(xué)習(xí)的思想對反饋?zhàn)R別過程進(jìn)行控制。

        3.基于主動學(xué)習(xí)的物體反饋?zhàn)R別

        目標(biāo)反饋?zhàn)R別是一個(gè)智能化的交互過程,它先使用有限訓(xùn)練數(shù)據(jù)訓(xùn)練出一個(gè)初始分類模型,這個(gè)模型對物體進(jìn)行識別的準(zhǔn)確率可能并不高。接下來,我們希望后續(xù)的每次識別都能夠?yàn)槟P吞峁┬畔?,模型依?jù)這些信息重新訓(xùn)練,實(shí)現(xiàn)對分類模型的修改與完善。本文基于RCNN算法,首先使用有限標(biāo)定樣本進(jìn)行訓(xùn)練,利用RCNN 生成一個(gè)初始模型。然后每次使用主動學(xué)習(xí)的方法,從未標(biāo)記樣本集中選擇出n0個(gè)最有用的、最利于完善分類模型的樣本圖像;最后利用檢查者對樣本所做的標(biāo)記,進(jìn)一步訓(xùn)練分類器,完善模型,迭代進(jìn)行,最終實(shí)現(xiàn)模型的自動更新達(dá)到最優(yōu)的識別效果。

        4.實(shí)驗(yàn)

        以1.1圖的Train圖像為例進(jìn)行識別,圖1.2得到識別結(jié)果為Bus,識別發(fā)生錯(cuò)誤,此時(shí)使用本文方法進(jìn)行反饋,系統(tǒng)將結(jié)果反饋給分類模型,這樣選擇出的每張圖像都會反饋一個(gè)結(jié)果來優(yōu)化模型,迭代進(jìn)行。如果如圖1.3再次對這張圖像進(jìn)行識別,得到識別結(jié)果“未檢測到Bus”,識別正確,說明反饋過程起到了應(yīng)有的作用。通過實(shí)驗(yàn)可以表明,本文提出的方法會使物體識別變得越來越智能。

        5.結(jié)論

        本文提出的基于深度神經(jīng)網(wǎng)絡(luò)的目標(biāo)反饋?zhàn)R別方法,使用主動學(xué)習(xí)來對反饋?zhàn)R別過程進(jìn)行控制,通過對VOC2007數(shù)據(jù)集中的Train類圖像進(jìn)行識別試驗(yàn)的結(jié)果可以看到,本文提出的方法成功提升了目標(biāo)識別系統(tǒng)的準(zhǔn)確度和魯棒性,逐漸提升了在復(fù)雜多樣的真實(shí)場景下識別目標(biāo)的準(zhǔn)確度,使得系統(tǒng)越來越完善與智能,最終實(shí)現(xiàn)了非常好的目標(biāo)識別效果。

        參考文獻(xiàn)

        [1]Lowe, D. G., "Distinctive Image Features from Scale-Invariant Keypoints ", International Journal of Computer Vision, 60, 2, pp. 91-110, 2004.

        [2]Rich Feature Hierarchies for Accurate Object Detection and Semantic Segmentation,R. Girshick, J. Donahue, T. Darrell, J. Malik,IEEE CVPR (Oral), 2014.

        猜你喜歡
        深度神經(jīng)網(wǎng)絡(luò)目標(biāo)識別反饋
        基于大數(shù)據(jù)網(wǎng)絡(luò)的運(yùn)動損傷評估模型研究
        試論基于深度神經(jīng)網(wǎng)絡(luò)的汽車車型識別問題
        深度神經(jīng)網(wǎng)絡(luò)的發(fā)展現(xiàn)狀
        全自動模擬目標(biāo)搜救系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)
        動態(tài)場景中的視覺目標(biāo)識別方法分析
        基于PC的視覺解決方案在 Delta機(jī)器人抓放中的應(yīng)用
        對“未來教室”的初步探索
        考試周刊(2016年86期)2016-11-11 09:33:05
        妙用“表揚(yáng)”和“忽視”
        基于深度神經(jīng)網(wǎng)絡(luò)的身份識別研究
        從運(yùn)動心理學(xué)的角度
        色先锋资源久久综合5566| 国产人妻熟女高跟丝袜| 亚洲欧美日韩精品久久| 最近中文字幕在线mv视频在线| 成 人 网 站 在线 看 免费| 国产一区二区三区在线观看蜜桃| 亚洲精品成人无百码中文毛片| 中文字幕人妻中文| 波多野结衣有码| 在线免费观看亚洲天堂av| 中文字幕一区在线直播| 屁屁影院ccyy备用地址| 免费可以在线看A∨网站| 日韩av免费在线不卡一区| 丁香花五月六月综合激情| 亚洲av日韩av天堂一区二区三区 | 女同另类激情在线三区| 国产精品亚洲一区二区麻豆| 人妻夜夜爽天天爽三区麻豆av网站| 国内少妇自拍区免费视频| 日韩精品有码中文字幕在线| 青青草免费在线爽视频| 在线视频观看免费视频18| 亚洲日韩精品A∨片无码加勒比| 人妖系列在线免费观看| 4455永久免费视频| 人妻丰满熟妇av无码处处不卡| 免费在线日韩| 一本色道久在线综合色| 一本色道无码道在线观看| 免费人成在线观看播放国产| 91亚洲精品久久久中文字幕| 亚洲三区在线观看内射后入| 亚洲欧美日韩综合久久| 日本成熟妇人高潮aⅴ| 国产精品国产av一区二区三区| 亚洲人成影院在线观看| 亚洲AV无码一区二区三区性色学| 亚洲av无一区二区三区综合| 三级做a全过程在线观看| 性夜影院爽黄a爽在线看香蕉|