基于Gist特征与CNN的场景分类方法

梁雪琦

(太原理工大学 信息工程学院，山西 晋中 030600)



基于Gist特征与CNN的场景分类方法

梁雪琦

(太原理工大学 信息工程学院，山西 晋中 030600)

针对大多数场景分类方法只能学习浅层特征，忽略图像之间的相关结构信息，提出一种基于Gist特征与卷积神经网络结合的场景图像分类方法。其中Gist特征用于提取场景图像的全局特征，并将其作为深度学习模型的输入，通过逐层训练卷积神经网络，提取更高层次的特征，并用训练好的卷积神经网络进行分类。实验在O&T室外场景图像数据集和MNIST手写体数据集上考察了batchsize、卷积核对分类结果的影响，并与DBN，NN，SVM和CART作为分类器的分类结果进行比较，充分说明了本文方法的有效性。

Gist特征；特征提取；卷积神经网络；场景分类

场景分类在计算机视觉领域有广泛的应用，2006年召开的首次场景理解研讨会上明确提出“场景分类是图像理解的一个新的有前途的研究方向”[1]。Ulrich和Nourbakhsh[2]利用颜色直方图进行场景分类。Shen[3]等人采用多种特征融合的方法表征图像特征进行场景分类。Lazebnik[4]等人提出金字塔匹配模型(Spatial Pyramid Matching, SPM)，利用视觉词汇的空间布局信息实现场景的有效分类。杨昭[5]在Gist特征中引入空间信息和RGB颜色信息，并基于词汇包(BOW)模型设计了一种高效匹配核来度量局部特征间的相似性，核化特征匹配过程。以上算法均为利用各种特征提取方法解决场景分类问题，但特征提取过程有过多主动因素介入，有很大的盲目性。

深度学习是近年发展起来的多层神经网络学习算法，可通过学习一种深层非线性网络结构，实现复杂函数逼近[6-7]。……