典型文献
具有旋转运动模糊不变性的卷积神经网络:RMBI-Net
文献摘要：
针对高速旋转的相机拍摄图像产生的旋转运动模糊带来的目标分类较为困难的问题,本文主要研究手工特征与卷积神经网络(CNN)的结合,在网络结构底层赋予卷积神经网络不变性,提升网络在分类任务中的准确率.本文基于Gaussian-Hermite(GH)矩旋转运动模糊不变量(RMB GHMI),通过计算卷积神经网络隐藏层特征图上的RMB GHMI来实现将旋转运动模糊不变性引入到卷积神经网络中,使网络本身具有一定的旋转运动模糊不变性,并使网络可从受到严重噪声干扰的旋转运动模糊的图像中直接进行目标分类.实验结果表明,在旋转运动模糊后的MNIST数据集上,相对于经典卷积神经网络,本文方法可以将图像分类准确率提升30％左右;在旋转运动模糊后的CIFAR-10数据集上,图像分类准确率可以提升4％ ～16％.
文献关键词：
卷积神经网络(CNN);旋转运动模糊;目标分类;Gaussian-Hermite(GH)矩;不变量
中图分类号：
作者姓名：
郭锐;郝优;许溟;贾丽;李华
作者机构：
中国科学院计算技术研究所智能信息处理重点实验室 北京 100190;中国科学院大学 北京 100049;92728 部队 北京 100036;91977 部队 北京 100036
文献出处：
引用格式：
[1]郭锐;郝优;许溟;贾丽;李华-.具有旋转运动模糊不变性的卷积神经网络:RMBI-Net)[J].高技术通讯,2022(06):576-586
A类：
旋转运动模糊,RMBI,GHMI
B类：
不变性,Net,高速旋转,目标分类,手工特征,分类任务,Gaussian,Hermite,不变量,特征图,噪声干扰,中直,接进,MNIST,图像分类,分类准确率,准确率提升,CIFAR
AB值：
0.141039
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
