文献类型：期刊文章

作　　者：王勇[1] 赵俭辉[1,2] 章登义[1,2] 叶威[1]

机构地区：[1]武汉大学计算机学院,武汉430072 [2]武汉大学苏州研究院,江苏苏州215123

出　　处：《计算机工程与应用》

基　　金：苏州市国际科技合作计划项目(No.SH201115);湖北省自然科学基金(No.2009-514)

年　　份：2014

卷　　号：50

期　　号：24

起止页码：173-177

语　　种：中文

收录情况：AJ、CSA、CSA-PROQEUST、CSCD、CSCD2013_2014、IC、INSPEC、JST、RCCSE、ZGKJHX、普通刊

摘　　要：针对林火与相似目标很难区分的问题,提出一种基于稀疏自编码深度神经网络的林火图像分类新方法。采用无监督的特征学习算法稀疏自编码从无标签图像小块中学习特征参数,完成深度神经网络的训练;利用学习到的特征从原始大小分类图像中提取特征并卷积和均值池化特征;对卷积和池化后的特征采用softmax回归来训练最终softmax分类器。实验结果表明,跟传统的BP神经网络相比,新方法能够更有效区分林火与红旗、红叶等类似物体。

关 键 词：稀疏自编码  无监督学习 卷积与池化  softmax回归  

分 类 号：TP391.4]