控制与决策

作者：张红斌,熊其鹏,蒋子良,石皞炜,周娟,武晋鹏

单位：华东交通大学 软件学院,南昌 330013,,华东交通大学 软件学院,南昌 330013,,华东交通大学 软件学院,南昌 330013,,华东交通大学 软件学院,南昌 330013,,华东交通大学 软件学院,南昌 330013,,华东交通大学 软件学院,南昌 330013,

关键词：材质图像识别;深层视觉语义;特征融合;SENet;cluster-CCA;集成学习

基金：国家自然科学基金项目(61762038,61861016)；教育部人文社会科学研究规划基金项目(20YJAZH142).

材质图像识别具备广阔的应用前景,如衣物识别、机器人拾取、工业检测等.受光照强度和拍摄角度等影响,材质图像易发生变化,而挖掘鲁棒、高效的图像特征是应对该变化的关键.对此,提出SECF²模型:抽取SENet中具有良好互补性的异构层特征; 改进聚类典型相关性分析模型,实现异构层特征融合,生成刻画材质图像的深层视觉语义,它是一种判别性更强且鲁棒的新特征;采用深层视觉语义训练分类模型并执行集成学习,完成材质图像识别.实验表明:SECF²模型在两个材质图像数据集上都有效,其中Fabric上的识别精准度较最强基线提升8.85%;SECF²模型还具备较强通用性,在图像情感分析基准数据集上取得优异的表现.此外,SECF²仅需两个特征和一次融合,模型复杂度降低且实时效率优良.

来源：2022年第6期

《控制与决策》期刊编辑部

查看控制与决策杂志2022年第6期