基于卷积神经网络的多标签图像分类
Journal of Jilin University(Engineering and Technology Edition)（2020）
摘要
针对BING算法对物体建模的不足,提出了multi-BING算法.该算法计算训练样本的CS-LBP特征,并对其进行聚类,对聚类后的数据建立BING模型.在物体检测过程中,融合了多个模型结果进行候选框判别,将多标签图像分类问题转化为多个单标签分类问题.以Fast R-CNN模型为基础,将采用本文物体检测方法得到的候选框作为模型输入.同时,采用LReLU函数作为Fast R-CNN模型的激活函数,从而在几乎不增加计算复杂度的情况下,提高模型的平均准确率(AP).实验表明,本文方法优于BING算法和OBN算法.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要