基于深度学习及知识挖掘的零样本图像分类

《基于深度学习及知识挖掘的零样本图像分类》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、硕士学位论文基于深度学习及知识挖掘的零样本图像分类Zero-shotImageClassificationBasedonDeepLearningandKnowledgeMining作者：陈晨导师：王雪松中国矿业大学二〇一六年六月中图分类号TP18学校代码10290UDC621.3密级公开中国矿业大学硕士学位论文基于深度学习及知识挖掘的零样本图像分类Zero-shotImageClassificationBasedonDeepLearningandKnowledgeMining作者陈晨导师王雪松申请学位工学硕士培养单位中国矿

2、业大学学科专业控制科学与工程研究方向机器学习及模式识别答辩委员会主席巩敦卫评阅人盲审二○一六年六月论文审阅认定书研究生陈晨在规定的学习年限内，按照研究生培养方案的要求，完成了研究生课程的学习，成绩合格；在我的指导下完成本学位论文,经审阅，论文中的观点、数据、表述和结构为我所认同，论文撰写格式符合学校的相关规定，同意将本论文作为学位申请论文送专家评审。导师签字：年月日致谢在我三年的研究生学习生活中，我所在的机器学习实验室一直像一个温暖的大家庭，我的导师王雪松教授在本科时期就指导我毕业设计，研究生期间更是对我的研究工作进行了耐

3、心、细致的指导和帮助。从入学时研究方向的引入、选题以及后续实验工作的开展，王雪松教授认真负责的工作态度对我的学习与生活都产生了很大的影响，我能够顺利完成毕业论文的撰写离不开王雪松教授的悉心教育，在此对王雪松教授致以最诚挚的敬意！在论文的撰写过程中，得到了程玉虎教授、芦楠楠老师、潘杰老师的耐心指导，巩萍博士、臧绍飞博士、张嘉睿博士、吕恩辉博士和李冬青博士的悉心指导和建议；孔毅、乔雪、刘路平、李倩钰、马宇婷、潘兴会、曾杰川、张庆、黄婉婉、刘其开、王瑶、季亮和李泽军等硕士的支持和帮助；感谢他们三年来一直的陪伴，为我营造了良好的学

4、习和科研环境。感谢家人和朋友给对我的理解与支持！感谢评阅老师和本论文所引用的参考文献的作者！摘要在零样本图像分类场景中，已标记训练样本不足以涵盖所有对象类，对于实际应用中出现的新对象类，传统分类器无法对这种训练阶段不可见的新模式进行正确分类。基于属性学习的零样本图像分类通过将属性作为对象类的一种中间表示，实现可见模式与未知新模式之间的知识传递。现有的零样本图像分类方法主要存在以下几种问题：属性学习模型的设计缺少对与属性相关的各种先验知识的利用；属性-类别标签映射中对各属性分类器的分类能力描述不足；没有充分利用属性与图像特征

5、之间的依赖关系等等。基于这些问题，本文主要研究内容为：第一，目前零样本学习中使用的图像特征仍由人工设计提取，分类精度严重依赖于提取特征的质量。针对此问题，提出了基于深度学习特征提取的零样本图像分类模型。首先，利用图像块提取和ZCA白化等技术来降低模型计算复杂度和像素间的相关性；然后，使用栈式稀疏自动编码器学习特征映射，并进一步使用该映射矩阵作为卷积核对图像进行卷积与池化操作；最后，将卷积神经网络提取出的特征用于零样本图像分类。第二，目前零样本学习中各属性分类器的训练仍依赖于人工特征提取和浅层学习模型，对各属性分类器的分类能

6、力描述不足。针对此问题，提出了基于深度加权属性预测的零样本图像分类模型。该模型使用有监督学习方法训练一个深度卷积神经网络并将属性标签纳入网络结构，实现深层次的特征表达及属性预测。此外，通过挖掘属性先验知识对表达能力不同的属性分类器进行加权设计，构建一种直接加权属性预测模型，完成对测试类图像的属性预测和零样本图像分类。第三，目前零样本学习中均不同程度的缺少对属性相关的各种先验知识的刻画，针对此问题，提出了基于类别与属性相关先验知识挖掘的零样本图像分类模型。首先，通过白化余弦相似度挖掘类别-类别间的相关性，得到与测试类别相关性

7、强的训练类；然后，使用稀疏表示系数挖掘与属性相关的先验知识，利用属性-类别之间和属性-属性之间的相关性挑选与测试类相关性强的属性集并移除冗余属性；最后，将与测试类具有强相关性的训练类和属性用于零样本图像分类。在多个数据集上进行的对比实验结果表明，与传统零样本图像分类方法相比，所提模型均能够获得更高的属性预测精度和零样本图像分类识别率。该论文有图46幅，表23个，参考文献118篇。关键词：属性；零样本图像分类；先验知识；特征提取；深度学习IAbstractAslabeledtrainingsamplesareinadequa

8、tetocoveralltheobjectclassesinzero-shotimageclassification,itisimpossiblefortraditionalclassifierstorecognizenewobjectclassesemergingatthetestingstage.F