-
题名Softmax分类器深度学习图像分类方法应用综述
被引量：61
- 1
-
-
作者
万磊
佟鑫
盛明伟
秦洪德
唐松奇
-
机构
哈尔滨工程大学水下机器人技术重点实验室
-
出处
《导航与控制》
2019年第6期1-9,47,共10页
-
基金
国家自然科学基金(编号:51609050,61633009)
国家科技重大专项(编号:2015ZX01041101).
-
文摘
基于深度学习的人工智能图像分类方法研究是当前计算机视觉领域的研究热点。面向深度学习中的Softmax图像分类方法,首先回顾了图像分类技术的发展历程,接着介绍了图像识别技术中的分类器,并解释了Softmax回归函数的分类实现原理。基于Softmax回归分类器的应用,详细阐述了多种图像分类技术,具体包括浅层神经网络、深度置信网络、深度自编码器和卷积神经网络。同时,对比介绍了各种级联模型的具体结构、训练方法、实际应用、分类效果以及优缺点。最后,从Softmax回归分类器、深度学习网络模型和高维数据分类三个方面对基于Softmax回归分类器的深度学习模型在图像分类方面的发展与应用前景进行了展望。
-
关键词
图像分类
深度学习
softmax回归
网络模型
分类器
-
Keywords
image classification
deep learning
softmax regression
network model
classifier
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TP18
[自动化与计算机技术—计算机科学与技术]
-
-
题名基于深度信念网络的文本分类算法
被引量：43
- 2
-
-
作者
陈翠平
-
机构
同济大学计算机软件与理论系
-
出处
《计算机系统应用》
2015年第2期121-126,共6页
-
文摘
随着网络的迅猛发展,文本分类成为处理和组织大量文档数据的关键技术.目前已经有许多不同类型的神经网络应用于文本分类,并且取得良好的效果.但是,大部分模型仅采用文档的少量特征作为输入,没有考虑到足够的信息量;而当考虑到足够的特征时,又会发生维数灾难,导致模型难以训练或者训练时间大幅增加.利用深度信念网络从文本中抽取特征,并利用softmax回归分类器对抽取后的特征分类.深度信念网络不仅具有强大的学习能力,同时还能从高维的原始特征中抽取低维度高度可区分的低维特征,因此利用深度信念网络来对文本分类,不仅能够考虑到文档的足够的信息量,而且能够快速的训练.并且实验结果也表明利用深度信念网络实现文本分类的性能很好.
-
关键词
文本分类
受限玻尔兹曼机
深度信念网络
softmax回归分类器
文本特征.
-
Keywords
text categorization
restricted boltzrnann machine
deep belief network
softmax regression classifier
feature.
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-
-
题名Gabor特征与深度信念网络结合的人脸识别方法
被引量：14
- 3
-
-
作者
杨瑞
张云伟
苟爽
支艳利
-
机构
昆明理工大学信息工程与自动化学院
-
出处
《传感器与微系统》
CSCD
2017年第5期68-70,共3页
-
基金
国家自然科学基金资助项目(51365019)
-
文摘
提出了一种基于Gabor特征和深度信念网络(DBN)的人脸识别方法,通过提取Gabor人脸图像的不同尺度图进行卷积融合,将融合后的特征图作为DBN的输入数据,训练多层来获得更加抽象的特征表达,整个训练的过程中采用交差熵来微调DBN,模型的最顶层结合Softmax回归分类器对抽取后的特征进行分类。在AR人脸库测试的实验结果表明:将Gabor特征与DBN结合应用于人脸识别,其准确率可高达92.7%,与其他浅层学习模型相比,DBN学习了数据的高层特征的同时还降低了特征维数,提高了分类器的分类精度,最终有效改善了人脸识别率。
-
关键词
GABOR特征
深度学习
受限玻尔兹曼机
深度信念网络
softmax回归分类器
-
Keywords
Gabor feature
deep learning
softmax regression classifier
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于深度信念网络的社保卡号码识别方法
- 4
-
-
作者
杨涛
张云伟
杨瑞
-
机构
昆明理工大学信息工程与自动化学院
-
出处
《传感器与微系统》
CSCD
2017年第8期59-61,68,共4页
-
基金
国家自然科学基金资助项目(51365019)
-
文摘
提出了一种基于深度信念网络(DBN)的社保卡号码识别方法,通过采集社保卡图像,采用模块分割的方法,对社保卡号码区域进行行分割,利用区域生长的方法对行内号码分割,将号码图像灰度化与二值化,并归一化为32×32大小,作为深度信念网络的输入数据,训练3层受限玻尔兹曼机(RBM)来获得更加抽象的特征表达,模型的最顶层结合Softmax回归分类器对抽取后的特征进行分类。实验结果表明:其准确率高达98.3%,与BP神经网络和支持向量机(SVM)模型相比,深度信念网络学习了数据的高层特征的同时降低了特征维数,提高了分类器的分类精度,有效提高了社保卡号码识别率。
-
关键词
模块分割
深度信念网络
受限玻尔兹曼机
softmax回归分类器
-
Keywords
module segmentation
deep belief networks（DBN）
restricted Boltzmann machine
softmax regression classifier
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
