基于改进型SDA的自然图像分类与检索.pdf

第27 卷　 第 8 期　 　 　 　 　 　 　 　 　 　 　 　 　 模式识别与人工智能　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 Vol.27　 No.8 　 2014年8月　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 PR AI　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 Aug.　 2014 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 基于改进型SDA 的自然图像分类与检索∗ 徐守晶　 　 韩立新　 　 曾晓勤 (河海大学 计算机与信息学院计算机科学与技术系　 南京211100) 摘　 要　 将堆叠去噪编码器应用于图像识别中,并针对自然图像检索领域,使用卷积自动编码器改进堆叠去噪编 码器,采用非监督贪婪逐层训练算法初始化网络权重,使用反向传播算法优化网络参数.利用改进的堆叠去噪编码 器提取自然图像特征,使用softmax分类器分类.最后将提取的特征结合尺度不变特征转换技术实现图像检索.实 验证明改进型堆叠去噪编码器大幅降低网络训练时长的同时增强网络的容错能力,提高分类器的分类精度,最终 改善图像的检索效果. 关键词　 堆叠去噪编码器(SDA),卷积自动编码器(CAE),图像分类,图像检索 中图法分类号　 TP391.4 Natural Images Classification and Retrieval Based on Improved SDA XU Shou-Jing,HAN Li-Xin,ZENG Xiao-Qin (Department of Computer Science and Technology,College of Computer and Information, Hohai University,Nanjing 211100) ABSTRACT Stacked denoising auto-encoder(SDA) isintroduced into the image recognition. Convolutional auto- encoder (CAE) is used to improve SDA in the area of natural image retrieval. The unsupervised greedy layer-wisetraining algorithmisusedto initializetheweight of thenetwork. Theparametersof thenetwork are optimizedbythebackpropagationalgorithm. TheimprovedSDAistrainedforextractingfeaturesfrom natural imagesandthesoftmaxclassifierisusedforclassification. Finally,theextractedfeaturecombined with scale invariant feature transform (SIFT) is used for realizing images retrieval. The experimental results showthattheimprovedstackeddenoisingauto-encoder(ISDA)methodcangreatlyreducethetime of network training,enhance the fault-tolerant ability of network,raise the classification precision of the classifier and eventually improve the image retrieval performance.