一种基于选择性卷积特征和最大后验高斯混合模型的细粒度图像分类算法

• 全文链接
• 请求原文

作   者：

解冰;  朱宏擎; 

作者机构：

华东理工大学信息科学与工程学院; 

关键词：

细粒度;  高斯混合模型;  图像分类;  VGG 16;  卷积特征; 

期刊名称：

华东理工大学学报(自然科学版)

i s s n：

1006-3080

年卷期：

2019 年 45 卷 05 期

页   码：

789-794

摘   要：

提出了一种新颖的细粒度图像分类算法。首先从神经网络VGG 16中提取出卷积特征后进行特征筛选,得到选择性卷积特征;然后利用最大后验高斯混合模型对特征进行分类,从而解决细粒度图像分类问题。造成细粒度图像分类困难的主要原因是类内差异和类间差异。利用卷积特征对图像具有更细致的描述能力,可以有效地减小类内差异;同时,对从VGG 16中得到的卷积特征进行筛选,能够较大程度地摆脱背景干扰,从而提高类间差异。最后,采用基于最大后验的高斯混合模型对这些选择性卷积特征进行分类。实验结果表明,本文算法不仅克服了两种差异带来的问题,还解决了传统高斯混合模型缺少大量实验数据的困难。在目前流行的5种细粒度图像数据集上,本文算法都有更好的分类效果。