论文推介｜融合判别式深度特征学习的图像识别算法

Posted 2021-04-07 中国图象图形学报

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了论文推介｜融合判别式深度特征学习的图像识别算法相关的知识，希望对你有一定的参考价值。

论文基本信息

研究亮点

1. 解决了传统卷积神经网络学习到的特征缺少更有效的鉴别能力而导致图像识别性能不佳等问题。

2. 提出了一种融合线性判别式思想的损失函数(LDloss)用于图像识别中的深度特征提取。

3. 提取到的特征有最小的类内距离和最大的类间距离，提高了特征的鉴别能力，从而改善图像识别性能。

研究结果

实验1

基于MNIST数据集验证 MNIST手写体数据集包含7万张有10类(0-9)灰度图像，实验采用6万张作为训练样本，1万张作为测试样本。采用Softmax loss和LDloss训练网络时正确识别率随迭代次数的对比曲线图如图2所示。在测试集上的特征散点图可视化如图3所示。

图2 不同迭代次数下LDloss和Softmax loss对比

图3 测试集特征可视化

实验2

基于CK+人脸表情数据集验证 Extended Cohn-Kanade(CK+)数据库扩展于Cohn-Kanade (CK)数据库，记录了18到50岁之间210个成年人的表情图像，共593个图像序列，实验仅使用表情特征较明显的图片，并经过预处理将纯表情样本图片归一化为100X100大小，如图7所示，采用5872张训练样本和532张测试样本。在CK+测试集上识别结果的混淆矩阵表如表3所示。与现有新方法以及在不同损失函数下的对比实验结果如表4，本文算法在CK+数据库上的识别率达到了94.73%。