基于卷积神经网络的多标签图像分类

《基于卷积神经网络的多标签图像分类》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、——————————————————————————基于卷积神经网络的多标签图像分类——————————————————————————Multi-labelImageClassificationbasedonConvolutionalNeuralNetwork作者姓名：苏越专业名称：通信与信息系统指导教师：陈绵书副教授学位类别：工学硕士答辩日期：2018年6月2日未经本论文作者的书面授权，依法收存和保管本论文书面版本、电子版本的任何单位和个人，均不得对本论文的全部或部分内容进行任何形式的复制、修改、发行、出租、改编等有

2、碍作者著作权的商业性使用（但纯学术性使用不在此限）。否则，应承担侵权的法律责任。吉林大学硕士学位论文原创性声明本人郑重声明：所呈交学位论文，是本人在指导教师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名：日期：年月日《中国优秀博硕士学位论文全文数据库》投稿声明研究生院：本人同意《中国优秀博硕士学位论文全文数据库》出版章程的

3、内容，愿意将本人的学位论文委托研究生院向中国学术期刊(光盘版)电子杂志社的《中国优秀博硕士学位论文全文数据库》投稿，希望《中国优秀博硕士学位论文全文数据库》给予出版，并同意在《中国博硕士学位论文评价数据库》和CNKI系列数据库中使用，同意按章程规定享受相关权益。论文级别：■硕士□博士学科专业：通信与信息系统论文题目：基于卷积神经网络的多标签图像分类作者签名：指导教师签名：年月日作者联系地址(邮编)：吉林大学南岭校区基础楼330(130022)作者联系电话：18946656100摘要基于卷积神经网络的多标签图像分类随着计算

4、机视觉和机器学习技术的迅速发展，互联网及其应用的不断普及，一个信息爆炸的大数据时代已经来临。图像作为一种最直接的传输媒介，随着人们对图像应用需求的不断提高，各类图像研究的课题也纷至沓来。其中，由于图像分类在军事，农业，公共设施及日常生活等各种领域中的广泛应用，所以如何高效且准确地对海量图像进行分类显得尤为重要。以往的图像分类都是基于单标签图像的，即每幅图像只包含一个主要的前景物体，只与一个标签相关联。然而，在现实生活中，一幅图像往往会包含多个不同种类的物体，因此多标签图像的分类更加具有实际意义。但是由于多标签图像的复杂布

5、局，物体之间的遮挡等问题，所以多标签图像的分类变得更加困难。对于人工神经网络在单标签图像分类中的应用已经有了广泛的研究，其中卷积神经网络展现出了极其出色的效果和强大的性能。然而由于多标签图像的复杂布局，光照等原因大大地提高了分类的难度，所以此时如果将传统的卷积神经网络框架直接用于处理多标签分类任务，显然无法根本性地解决问题。因此如何将卷积神经网络应用于多标签图像分类依然是一个需要探索的问题。本文首先通过分析物体检测的相关理论，以BING算法为基础，提出了multi-BING算法。同时在多标签分类理论的基础上，深入研究了基

6、于FastR-CNN和FasterR-CNN两种网络模型的多标签图像分类。研究成果如下：(1)物体检测方面：针对BING算法将所有的物体建模为一个模型的缺点，本文提出了multi-BING算法。该算法首先通过提取训练图像的CS-LBP特征对训练数据进行K均值聚类。然后针对每一类数据，分别建立BING特征模型。在检测阶段，利用检测结果的融合策略对结果进行整合。实验结果表明，multi-BING算法的检测效果要明显优于BING算法和OBN算法。(2)多标签图像分类方面：通过将多标签任务分解成若干个单标签子任务的方式，在Fas

7、tR-CNN模型的基础上，利用本文提出的multi-BING模型得到的物体窗I口作为FastR-CNN网络的输入。在FasterR-CNN模型的基础上，针对传统NMS算法将相邻候选框分数强制归零的缺点，本文提出了softerNMS算法，将其应用于FasterR-CNN模型中，从而在保留真正窗口的同时，对大量重叠的物体窗口进行筛选。另外，不同于一般网络模型中使用ReLU函数作为网络的非线性激活单元，本文将能够提高神经元数量的LReLU激活函数应用于FastR-CNN模型和FasterR-CNN模型中，从而在几乎不增加额外计

8、算量的情况下，提高模型的分类效果。本文以标准数据集PASCALVOC2007为实验对象，首先比较了BING算法、multi-BING算法和OBN算法在物体检测中的性能，采用的评价标准是物体检测率DR。实验结果表明，multi-BING算法能够有效地提高在不同重叠率条件下的DR，具有很好的检测效果。然后本文利用提出的方