集成代价敏感和深度学习技术的图像分类

《集成代价敏感和深度学习技术的图像分类》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、国内图书分类号：ＴＰ３９１．４密级：公开国际图书分类号：００４西南交通大学研宄生学位论文集成代价敏感和深度学习技术的图像分类年级２Ｑ１５姓名谭洁帆申请学位级别硕士专业软件工稈指导老师失礙二零一八年五月十七日ＣｌａｓｓｉｆｉｅｄＩｎｄｅｘ：ＴＰ３９１．４Ｕ．Ｄ．Ｃ：００４ＳｏｕｔｈｗｅｓｔＪｉａｏｔｏｎｇＵｎｉｖｅｒｓｉｔｙＭａｓｔｅｒＤｅｒｅｅＴｈｅｓｉｓｇ－ＳＥＮＳＩＴＩＶＥＩＮＴＥＧＲＡＴＩＮＧＣＯＳＴＡＮＤＤＥＥＰＬＥＡＲＮＩＮＧＦＯＲ

2、ＩＭＡＧＥＣＬＡＳＳＩＦＩＣＡＴＩＯＮＧｒａｄｅ：２０１５Ｃａｎｄｉｄａｔｅ：ＴａｎＪｉｅｆａｎＡｃａｄｅｍｉｃＤｅｒｅｅＡｌｉｅｄｆｏｒ：ＭａｓｔｅｒＤｅｒｅｅｇｐｐｇＳｅｃｉａｌｉｔ：ＳｏｆｔｗａｒｅＥｎｉｎｅｅｒｉｎｐｙｇｇＳｕｅｒｖｉｓｏｒ：ＺｈｕＹａｎｐＭａｙ１７ｔｈ２０１８，西南交通大学学位论文版权使用授权书、使用学位论文的规定本学位论文作者完全了解学校有关保留，闻＊学抆保留并向国家有关部门或机构送耷论文的复印件和电子版，允许论文裤査阅和借钶，本人授权西南交通大学

3、可以将本论文的全部或部分内容编入有关数据库进行检、．索，可以采用影谭缩印或扫描等复印手段保存和汇编本学位论文本学位论文屑于１；．保密□，歹年解密后适用本授权书１不保密／俾用本授枳书＞ｇｔ请在以上方框内打十〕讳批学位论文作者签名＊请指导者师签名：一日期：日期：：？〇各ｕ丨西南交通大学硕士学位论文主要工作（贡献）声明本人在学位论文中所做的主要工作或贡献如下：１．本文总结了当前图像分类领域存在的问题，研宄了深度学习提取图像特征和代价敏感学习方法，结合两者进行不平衡图像分类。２．本文使用卷积神经网络ＶＧ＆１６

4、提取特征，使用基于度爨函数的误差公式ｔｒｉｐｌｅｔ一－Ｉｐｓｓ替代ＶＧＧ１６最后层传统损失涵数ｓｏｆｔｍａｘ，作为网络的优化目标？结合ｒｅｓａｍｐｌｉｎｇ方法，对不平衡分类中的三元组选择进行平衡化垃理＞３，．在不平衡图橡分类中，使用代价敏感方法分析不同类别的误分类代价基于代价敏？的支持向貴机（ＣＳＳＶＭ）算法对卷积神经网络提取出的图像特钲进行分类，并给出了代价敏感学习中误分类代价的具体计算方法？４．通过在人脸图像数据集和垃圾网页图像数据集上的多组实验，验证了本文提出的不平衡分类棋型ＭｐｌｅＷ＾ＳＶＭ在多种复杂数据上都能取得优

5、越的性能效果．本人郑重声明：所呈交的学位论文，是在导师指导下独立进行研肛作所得的成发表或撰果．除文中己经注明引用的内容外，本论文不包含任何其他个人或集体己经？写过的研究成梁。对本文的研究做出贡献的个人和集体，均已在文中作了明确说明引起的—切法律贵任将由本人承担本人完全了解违反上述声明所。学位论文作者签名：读培Ｍ日期２〇＾，ＪＴ，西南交通大学硕士研究生学位论文摘要随着信息技术和互联网技术的高速发展，人们每天通过网络接收的信息呈几何倍数增长，其中图像信息也随着多媒体技术的不断改进所占比例越来越大。同时，各大

6、企业一、政府机构在通过图像分类技术为工作生活增加便利。图像分类的般步骤分为数据输入、特征提取和分类。其中，图像的特征提取是完成分类任务的重要基础，直接影响分类的性能。另外，某些领域的图像数据分布不平衡也会带来很多问题，不仅一些无法挽回的损失会影响分类效果，还可能因为忽略了少数类的重要性，造成。针对不平衡图像分类中少数类分类准确率低、误分类代价高，以及人工提取特征主观性强而且费时费力的问题一，本文提出了种基于卷积神经网络和代价敏感的不平－衡图像分类方法（ＴｒｉｐｌｅｔＣＳＳＶＭ）。该方法将分类过程分为特征学习和代价敏感分类两

7、部分。一针对特征学习，深度学习中的卷积神经网络（ＣＮＮ）是种有效的手段。但存在经典ＣＮＮ面向的是平衡数据集，使用的损失函数ｓｏｆｔｍａｘ对图像的细节学习不够等问题。ｒｉｌｅｔｌｏｓｓ因此，本文利用损失函数为ｔｐ的卷积神经网络结合重采样方法对图像特征进行学习一。不仅能学习到图像更细节的特征，还对数据集进行了定程度上的平衡化。在训练ＣＮＮ时ＩｍａｅＮｅｔ，引入迁移学习的思想，在ｇ上进行预训练后，再在实验数据集上进行微调，解决了实验数据量小可能造成的网络不收敛或过拟合的问题。针对代价敏感分类，传统分类方法大多没有考虑代价信息，

8、很难在不平衡数据集上获得好的分类效果。本文通过给不同类别赋以不同的代价因子，使传统支持向量