| 联合SENet异构层特征融合与集成学习的材质图像识别 |
| |
| 引用本文： | 张红斌,熊其鹏,蒋子良,石皞炜,周娟,武晋鹏.联合SENet异构层特征融合与集成学习的材质图像识别[J].控制与决策,2022,37(6):1632-1642. |
| |
| 作者姓名： | 张红斌 熊其鹏 蒋子良 石皞炜 周娟 武晋鹏 |
| |
| 作者单位： | 华东交通大学 软件学院,南昌 330013 |
| |
| 基金项目： | 国家自然科学基金项目(61762038,61861016)；教育部人文社会科学研究规划基金项目(20YJAZH142). |
| |
| 摘 要： | 材质图像识别具备广阔的应用前景,如衣物识别、机器人拾取、工业检测等.受光照强度和拍摄角度等影响,材质图像易发生变化,而挖掘鲁棒、高效的图像特征是应对该变化的关键.对此,提出SECF2模型:抽取SENet中具有良好互补性的异构层特征;改进聚类典型相关性分析模型,实现异构层特征融合,生成刻画材质图像的深层视觉语义,它是一种判别性更强且鲁棒的新特征;采用深层视觉语义训练分类模型并执行集成学习,完成材质图像识别.实验表明:SECF2模型在两个材质图像数据集上都有效,其中Fabric上的识别精准度较最强基线提升8.85%; SECF2模型还具备较强通用性,在图像情感分析基准数据集上取得优异的表现.此外, SECF2仅需两个特征和一次融合,模型复杂度降低且实时效率优良.
|
| 关 键 词： | 材质图像识别 深层视觉语义 特征融合 SENet cluster-CCA 集成学习 |
Material image recognition combining heterogeneous-layer feature fusion of SENet and ensemble learning |
| |
| ZHANG Hong-bin,XIONG Qi-peng,JIANG Zi-liang,SHI Hao-wei,ZHOU Juan,WU Jin-peng.Material image recognition combining heterogeneous-layer feature fusion of SENet and ensemble learning[J].Control and Decision,2022,37(6):1632-1642. |
| |
| Authors: | ZHANG Hong-bin XIONG Qi-peng JIANG Zi-liang SHI Hao-wei ZHOU Juan WU Jin-peng |
| |
| Affiliation: | School of Software,East China Jiaotong University,Nanchang 330013,China |
| |
| Abstract: | Material image recognition has broad application prospects, such as clothing recognition, automatic picking by a robot, industrial detection, etc. Owing to the influence of light intensity and camera angle, material image is easy to change. Mining robust and effective image features is one of the most important factors to handle this change. To address this problem, an improved model called {SECF2 |
| |
| Keywords: | |
|
| 点击此处可从《控制与决策》浏览原始摘要信息 |
|
点击此处可从《控制与决策》下载全文 |
|
