李鸣
- 作品数：3 被引量：21H指数：2
- 供职机构：武汉科技大学更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于深度神经网络结构优化的图像语义分析研究
- 随着互联网的高速发展，图像数据频繁地出现在人们的生活中，并且在数量上发生了大规模的增长。图像语义分析研究一直是计算机视觉领域的研究热点，能够帮助人们有效地组织和管理图像数据。许多研究者提出了各种图像底层特征的学习方法，但...
- 李鸣
- 关键词：卷积神经网络图像检索
- 文献传递
- 基于卷积神经网络迭代优化的图像分类算法被引量：18
- 2017年
- 针对传统卷积神经网络在处理图像分类的问题过程中,需要较长的训练时间、大量的存储空间和计算资源等问题,提出一种基于卷积神经网络迭代优化的图像分类算法。对卷积神经网络进行初始化,在训练网络的过程中,对每层网络单个特征图的输入进行BN(batch normalize)处理,得到归一化的数据后再输入到特征图中,采用迭代的方法调整卷积神经网络中的参数并删除低于阀值的连接。实验结果表明,在Mnist、Cifar-10数据集上,经过迭代优化后的卷积神经网络分别提高了0.33%和3.42%的准确率,有效降低了网络中参数的数量,相比原始卷积神经网络中的参数数量分别降低87.94%、85.91%,网络收敛速度更快,减小了网络的训练时间。
- 李鸣张鸿
- 关键词：卷积神经网络网络连接阈值
- 基于深度特征分析的双线性图像相似度匹配算法被引量：3
- 2016年
- 基于内容的图像检索一直面临"语义鸿沟"的难题,特征选择对语义学习结果有着直接的影响;而传统距离度量方法往往从单一角度进行相似性计算,不能很好地表示出图像之间的相似度。为了解决以上问题,提出基于深度特征分析的双线性图像相似度匹配的方法。首先,将图像数据集在卷积神经网络模型上进行微调训练,然后利用训练好的卷积神经网络对图像进行特征提取,获得全连接层输出的特征之后,通过双线性相似性度量方法得到图像间相似度的大小,通过对相似度的大小排序,返回最相似的图像实例。在Caltech101和Caltech256数据集上的对比实验显示,所提算法的平均查准率、TopK查准率和查全率均优于对比算法,验证了所提算法的有效性。
- 李鸣张鸿
- 关键词：图像检索语义鸿沟
