收藏本站

基于自编码器和生成对抗网络的图像识别方法研究

【摘要】:图像识别的核心是如何学习到判别性强,鲁棒的图像特征。性能优良的特征有助于图像识别与分析。但因图像内容非常复杂,易受遮挡、光照、尺寸、形变等因素的影响,获得判别能力强的特征非常困难。如何能够有效地提取图像特征,目前仍然是人工智能,模式识别和计算机视觉等领域研究的重点内容之一,本文以自编码器和生成对抗网络两种模型为基础框架,研究了深度学习方法在图像特征提取及其在图像识别中的应用。深度学习具有强大的,从一般抽象到高度抽象的多层次数据表征能力,它持续吸引着众多的研究人员和资金投入其中。虽然深度学习已经在图像,语音和信号处理等多个领域都取得较好的成绩,但是仍然存在一些问题和需要改进的地方,比如如何将鉴别信息有效地嵌入到特征学习中,如何将大量的无标记数据融入到有标记数据中统一地进行学习,如何提取到可解释的数据表示等问题,本文主要针对以上问题,提出几种基于自编码器和生成对抗网络的深度学习方法来提高模型的泛化能力。本文主要工作包含以下几个方面:(1)提出了一种标签一致性约束的稀疏自编码器模型。自编码器是一种具有快速推理结构的神经网络模型,如稀疏自编码器,非负约束自编码器等,但是这些自编码器都忽略了数据之间的关系,不易学习到鉴别性强的特征。针对以上问题,本文提出一种标签一致性约束稀疏自编码器模型,这种自编码器在特征学习的过程中,通过惩罚数据特征到其类中心的距离,将中心损失加入到损失函数中,使得数据在重构的过程中,能够学习到数据的鉴别性结构信息。另外还可以将这种浅自编码模型堆栈成深层模型,通过对深层网络预训练加微调的方式,进一步提高该模型的多层次抽象特征学习能力。不同数据集上的实验验证了标签一致性约束有助于提高自编码器提取到具有鉴别性的图像特征,是一种有效的深层模型初始化策略。(2)提出了一种图拉普拉斯约束的阶梯网络模型。阶梯网络是一种以深度自编码器为基础框架的深层次网络模型,这种网络能将监督学习和非监督学习融入到同一个框架中进行学习,这种半监督学习的策略有助于提高监督信息的利用效率和非监督特征学习的判别性。为了进一步将流形结构嵌入到阶梯网络中,本文将图拉普拉斯矩阵引入到这个模型中,提出了基于图拉普拉斯流形正则化约束的阶梯网络,这种网络将所有样本,包括有标记样本和无标记样本,都映射到同一个图中进行学习。这种约束可在数据重构和特征学习的过程中起到局部约束的作用,进一步提高了阶梯网络的半监督学习能力。在实验阶段,建立了全连接形式和卷积形式的拉普拉斯阶梯网络模型,并在手写数字数据集和物体识别数据集上进行了验证,实验结果证明了该方法在图像识别中的有效性。(3)提出了一种均值与方差特征匹配的生成对抗网络模型。生成对抗网络是一种深度生成模型,这种网络假设所有样本,均是由一个潜在的模型生成的,所以生成对抗网络可用于半监督学习。改进的生成对抗网络(Improved GAN)是一种先进的生成对抗学习方法,提出了特征匹配的训练方法,有效地提高了生成对抗网络的训练稳定性。但是这种方法只将特征的一阶矩均值作为统计变量来进行特征匹配,这样的做法不能很好地描绘特征分布,且不能很好地将原始数据的特征分布与生成数据的特征分布进行匹配,所以本文将特征的二阶矩方差加入到特征匹配的训练中,提出一种基于均值与方差特征匹配的生成对抗网络,这种网络使得生成数据和原始数据的特征匹配度更高,能更有效地抓住数据的流形结构。实验验证了加入方差的特征匹配方法有助于进一步提高生成对抗网络模型的半监督分类性能,在有标记数据量较少的情况下,提升效果更为明显,而且这种网络能生成较为真实的图像。(4)提出了一种用于解耦表示学习的双编码-解码结构的生成对抗网络模型。为了得到可解释表示,解耦表示学习常常用于分析深层神经网络。本文以人脸数据为例,论证了生成对抗网络的解耦表示学习能力,并分析了解耦后的特征有助于提高鲁棒性。解耦生成对抗网络(DR-GAN)能将人脸身份信息从姿态属性中解耦出来,然后利用解耦后的人脸表示进行人脸识别,提高了人脸表示在抗姿态干扰方面的能力。但是这种方法存在缺点,第一,DR-GAN使用传统的真伪判别作为其对抗函数,不利于模型的训练稳定性和收敛速度,第二,这种方法利用独热向量(One-Hot Vector)来表示姿态,丢失很多姿态细节信息,而且这种离散的表示,忽略了姿态呈连续性变化的潜在属性。针对以上问题,本文提出了双编码-解码结构的生成对抗网络,这种网络利用自编码器来作为其判别器的一部分,引入了基于像素损失的对抗学习方法,有助于提高模型的训练稳定性和生成真实图像的能力。用一个连续性变量来表征人脸姿态,作为先验加入到模型训练中,并用回归代替分类的方式对其姿态进行评估,这种方式有助于提升模型的解耦表示学习能力。实验结果表明,所提的方法在姿态不变人脸识别和生成跨姿态人脸的任务上都有较好的表现。

下载App查看全文

(如何获取全文? 欢迎:、、)

支持CAJ、PDF文件格式


【相似文献】
中国期刊全文数据库 前17条
1 王雅思;姚鸿勋;孙晓帅;许鹏飞;赵思成;;深度学习中的自编码器的表达能力研究[J];计算机科学;2015年09期
2 刘梦玲;;基于自编码器的影片个性化推荐模型研究[J];长江信息通信;2021年02期
3 邵俊;张磊;;基于自编码器的半监督学习方法[J];金融科技时代;2021年06期
4 汪鹏;何清波;;基于参数稀疏自编码器的旋转机械故障诊断[J];机械与电子;2020年07期
5 滕祖伟;周杰华;;基于变分自编码器的异常小区检测[J];移动通信;2020年12期
6 任朝晖;;转炉系统常用编码器选型及调试[J];科学技术创新;2021年05期
7 秦佳奇;许源源;;基于变分自编码器的异常负荷检测算法研究[J];电子技术与软件工程;2021年07期
8 张洪国;赵辉;徐连波;;基于神经网络的磁编码器补偿算法研究[J];微电机;2021年05期
9 李晓;马洁;贺福初;朱云平;;神经网络自编码器算法在癌症信息学研究中的应用[J];生物工程学报;2021年07期
10 梁芳萍;曹广忠;赵磊;孙俊缔;胡勇;王芸;;磁编码器技术现状及发展研究[J];自动化仪表;2021年08期
11 肖思宇;吴丁娟;;基于神经网络与模糊理论的模糊自编码器[J];信息技术;2020年04期
12 林涛;赵成林;刘航鹏;赵参参;;基于改进栈式自编码器的风电机组发电机健康评估[J];计算机工程与科学;2020年03期
13 钟昕孜;廖闻剑;;基于自编码器的语音情感识别方法研究[J];电子设计工程;2020年06期
14 田志新;;定位编码器在钢丝绳检测中的应用与研究[J];中国石油和化工标准与质量;2020年03期
15 唐坚;胡鹏;郭星;;一种基于绝对值编码器的压力机装模高度标定方法[J];锻压装备与制造技术;2020年03期
16 张中华;;一种编码器检测维修工作台[J];港口科技;2020年04期
17 王小军;杨波;梁琨;;一种基于硬件补偿的机电编码器系统[J];电子测量技术;2020年12期
中国重要会议论文全文数据库 前20条
1 白永威;夏加宽;季慧颖;;基于CPLD的编码器抗干扰电路设计与实现[A];第十三届沈阳科学学术年会论文集(理工农医)[C];2016年
2 张磊;夏传浩;洪一;;使用纠错技术的8b/10b编码器设计[A];全国第22届计算机技术与应用学术会议(CACIS·2011)暨全国第3届安全关键技术与应用(SCA·2011)学术会议论文摘要集[C];2011年
3 刘靖;李立;张兴;董文亮;郑利元;;首钢智新连退线编码器故障预警功能开发[A];2019年第二届钢铁工业智能制造发展论坛会议论文集[C];2019年
4 ;堡盟微米级精度绝对值编码器[A];高速铁路与轨道交通(领航版)[C];2015年
5 李博;;编码器在宽厚板中的控制应用[A];中国计量协会冶金分会2015年会论文集[C];2015年
6 ;堡盟最新推出超速开关组合式重载编码器[A];高速铁路与轨道交通(证券版)[C];2016年
7 杨柳;薛方;;形状自适应可扩缩编码器的研究与实现[A];全国第十四届计算机科学及其在仪器仪表中的应用学术交流会论文集[C];2001年
8 郝双晖;刘勇;周春蛟;刘杰;;基于标定原理的单磁极编码器设计[A];2005全国自动化新技术学术交流会论文集(三)[C];2005年
9 陈成;;连铸自动化系统编码器软件设计[A];全国冶金自动化信息网2018年会论文集[C];2018年
10 贺庚贤;;一种高精度编码器的检测方法[A];第九届全国光学测试学术讨论会论文(摘要集)[C];2001年
11 蔡智威;关存太;陈永彬;;一种4KbpsCELP编码器的实现[A];第三届全国人机语音通讯学术会议(NCMMSC1994)论文集[C];1994年
12 郑君民;陶旭牧野;陈默;陈昊;沈桂旭;奚学程;赵万生;;基于编码器-播放器体系的电火花线切割加工数控系统原型[A];第16届全国特种加工学术会议论文集(上)[C];2015年
13 蒋毅飞;李俊;范好好;牟伦刚;;不使用查找表的高速统一8B/10B编码器[A];第十八届计算机工程与工艺年会暨第四届微处理器技术论坛论文集[C];2014年
14 续志军;洪喜;;径向基网络在编码器误差补偿中的应用[A];高精度几何量光电测量与校准技术研讨会论文集[C];2008年
15 刘岩;罗晓军;;绝对型编码器在高炉上料系统中的应用[A];2010年全国炼铁生产技术会议暨炼铁学术年会文集(下)[C];2009年
16 李红;;编码器的功能应用及维护[A];2019中国制浆造纸自动化技术与智能制造研讨会论文集[C];2019年
17 黎世杰;;多圈绝对式编码器的应用原理[A];《IT时代周刊》论文专版(第317期)[C];2015年
18 ;堡盟HOG86E重载编码器 只注重功能[A];《今日轨道交通》创新版2015年01月[C];2015年
19 刘海龙;肖海峰;贺昱曜;;基于正余弦编码器的位置细分技术综述[A];第十八届中国小电机技术研讨会论文集[C];2013年
20 康芳;佟兴嘉;张建亮;;磁性编码器在航空动力燃油系统试验中的应用[A];2012航空试验测试技术学术交流会论文集[C];2012年
中国博士学位论文全文数据库 前20条
1 胡聪;基于自编码器和生成对抗网络的图像识别方法研究[D];江南大学;2019年
2 刘凯;静止图像编码器的实现结构研究[D];西安电子科技大学;2005年
3 朱炳强;高清实时编码器中帧间预测器的关键技术研究[D];清华大学;2010年
4 赵丹;基于自编码器结构的无监督学习算法研究及其应用[D];西安电子科技大学;2020年
5 周高祥;结合深度自编码器与Landsat时间序列的森林扰动监测方法研究[D];中国地质大学(北京);2020年
6 王莹;Turbo码中几个关键技术研究[D];西安电子科技大学;2006年
7 阮玉平;基于深度学习的自然语言语义表征计算方法研究[D];中国科学技术大学;2020年
8 李乃寒;面向语音合成的深度学习算法研究与应用[D];电子科技大学;2021年
9 邸志雄;HDL代码质量评估方法关键技术研究与电路性能优化[D];西安电子科技大学;2013年
10 王洪君;H.264运动估计快速算法研究及编码器DSP实现[D];天津大学;2009年
11 王涛;视频编解码器设计与实现关键问题研究[D];上海交通大学;2008年
12 吕德刚;集成霍尔磁编码器的研究[D];哈尔滨工业大学;2009年
13 左洋;基于非均匀采样光电编码器细分误差的分析方法研究[D];中国科学院研究生院(长春光学精密机械与物理研究所);2015年
14 王家喻;基于生成对抗网络的图像生成研究[D];中国科学技术大学;2021年
15 马翼萱;基于深度学习的在线劳动力市场招聘决策问题研究[D];北京交通大学;2020年
16 杨静;旋转机械早期故障诊断关键技术研究[D];西安理工大学;2020年
17 汪子扬;数据驱动的复杂连续过程监测方法[D];浙江大学;2019年
18 庄怀宇;内嵌图像编码中高效码率控制技术研究[D];西安电子科技大学;2006年
19 王正海;宽带无线通信系统中Turbo码编码技术优化方法的研究[D];武汉大学;2011年
20 孙健;基于并行流水线结构的高速图像压缩技术研究[D];中国科学院研究生院(光电技术研究所);2015年
中国硕士学位论文全文数据库 前20条
1 迟涵文;绝对式磁编码器的设计[D];杭州电子科技大学;2019年
2 张智轩;语义认知的文本编码器的研究与实现[D];北京邮电大学;2020年
3 黄姗姗;磁编码器的设计与实现[D];东南大学;2019年
4 鲁亚平;面向深度网络的自编码器研究[D];苏州大学;2016年
5 李斐然;基于霍尔原理的绝对式磁编码器的研究[D];哈尔滨工业大学;2015年
6 冯立锋;面向高精度伺服系统的磁电式编码器研究[D];哈尔滨工业大学;2014年
7 徐彬;基于FPGA的模拟量编码器接口电路的设计与实现[D];江西科技师范大学;2014年
8 崔建勇;快速稀疏编码器的研究及应用[D];大连理工大学;2014年
9 武亭;一种复合式磁编码器的研究[D];哈尔滨工业大学;2011年
10 张荣;容栅编码器研究及其应用[D];同济大学;2007年
11 乔磊磊;基于栈式自编码器神经网络的股价预测[D];华侨大学;2020年
12 王雅思;深度学习中的自编码器的表达能力研究[D];哈尔滨工业大学;2014年
13 林立志;基于门自注意力自编码器的图像生成[D];大连理工大学;2020年
14 侯嘉;角度编码器标定技术研究[D];中国计量大学;2019年
15 薛继卓;新型磁电式多圈绝对编码器设计[D];黑龙江大学;2015年
16 郝利刚;多角度人脸识别的深度学习方法研究[D];北京工业大学;2015年
17 周雪连;基于FPGA的高分辨率磁编码器研究[D];华南理工大学;2012年
18 张恩勇;数字编码器的智能控制[D];电子科技大学;2004年
19 郑鑫;磁编码器的智能化设计[D];华南师范大学;2004年
20 张宛茹;基于条件对抗自编码器的不同龄人脸合成[D];华南理工大学;2020年
中国重要报纸全文数据库 前20条
1 本报记者 徐微;[N];长春日报;2019年
2 MEB记者 张兰;[N];机电商报;2017年
3 本报记者 李文洁;[N];东莞日报;2014年
4 本报记者 丹璐;[N];中国电子报;2014年
5 贺顺华;[N];中国纺织报;2009年
6 中国工业报记者 王斌;[N];中国工业报;2019年
7 记者 谢晓燕 通讯员 卢达 李院红;[N];邢台日报;2013年
8 任可;[N];科技日报;2009年
9 陈运发;[N];机电商报;2009年
10 ;[N];今日信息报;2004年
11 成都 陈宏城;[N];电子报;2011年
12 ;[N];中国包装报;2004年
13 本报记者 张琳婉;[N];长春日报;2018年
14 人行吉林中心支行科技处 刘志明;[N];中国计算机报;2001年
15 本报记者 刘屹辰 通讯员 邓旭;[N];威海日报;2020年
16 江西 廖勇;[N];电子报;2001年
17 记者 吕海清通讯员 薛红 王楠;[N];中国石油报;2007年
18 成都 陈宏城;[N];电子报;2011年
19 本报通讯员 陈树清 朱一知 周铭;[N];中国冶金报;2016年
20 ;[N];网络世界;2006年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978


{bck}| {bck体育官网}| {bck体育下载}| {bck体育app}| {bck体育}| {bckbet}| {bcksports}| {bck官网}| {bck}| {bck体育官网}| {bck体育下载}| {bck体育app}| {bck体育}| {bck}| {bck体育官网}| {bck体育下载}| {bck体育app}| {bck体育}| {bckbet}| {bcksports}| {bck官网}| {bck}| {bck体育下载}| {bck体育}| {bckbet}| {bcksports}| {bck官网}| {bck}| {bck体育下载}| {bck体育app}| {bck体育}| {bckbet}| {bck体育下载}| {bck体育app}| {bck体育}| {bckbet}| {bcksports}| {bck体育下载}| {bckbet}| {bcksports}| {bck体育官网}| {bck体育下载}| {bck体育app}| {bck体育}| {bck官网}| {bck体育下载}| {bckbet}| {bcksports}| {bck官网}| {bck体育app}| {bck体育}| {bcksports}| {bck官网}| {bck体育下载}| {bck体育}| {bckbet}| {bcksports}| {bck官网}| {bck体育}| {bcksports}| {bck官网}| {bck体育官网}| {bck体育下载}| {bck体育}| {bckbet}| {bcksports}| {bck}| {bck体育官网}| {bck体育下载}| {bck体育app}| {bck体育}| {bckbet}| {bck官网}| {bck}| {bck体育官网}| {bck体育下载}| {bck体育app}| {bcksports}| {bck官网}| {bck}| {bck体育官网}| {bcksports}| {bck体育下载}| {bck体育app}| {bckbet}|
{uc8}| {uc8体育}| {uc8官网}| {uc8老虎机}| {UC8娱乐城}| {uc8彩票}| {uc8}| {uc体育}| {uc8体育}| {UC体育}| {uc8官网}| {uc8老虎机}| {uc8体育}| {UC体育}| {uc8老虎机}| {uc8老虎机}| {UC8娱乐}| {uc8}| {uc体育}| {uc8体育}| {UC体育}| {uc8老虎机}| {uc8彩票}| {uc8}| {uc8体育}| {UC体育}| {uc8官网}| {UC8娱乐}| {UC8娱乐城}| {uc8}| {uc体育}| {uc8体育}| {UC体育}| {uc8官网}| {uc8老虎机}| {UC8娱乐}| {UC8娱乐城}| {uc8}| {uc体育}| {uc8体育}| {UC体育}| {uc8官网}| {uc8老虎机}| {UC8娱乐}| {UC8娱乐城}| {uc8}| {uc体育}| {uc8体育}| {UC体育}| {uc8官网}| {uc8老虎机}| {UC8娱乐}| {uc8彩票}| {uc8}| {uc体育}| {UC体育}| {UC8娱乐城}| {uc8}| {UC体育}| {uc8官网}| {uc8老虎机}| {uc8}| {uc体育}| {uc8体育}| {UC体育}| {uc8官网}| {uc8老虎机}| {UC8娱乐}| {UC8娱乐城}|