作者：朱阳光; 刘瑞敏; 王震; 王枭细粒度图像分类深度神经网络图像识别联合优化
摘要：为了能够在细粒度图像特征表示中探索出相似层结构中的共享信息,提出了一种多任务学习框架,联合优化卷积神经网络中的Softmax Loss和Triplet Loss,基于此框架,设计广义三元组嵌入标签结构,以发现不同级别中具有相似性的相关图像。在Stanford Cars和CUB200-2011两个细粒度数据集上进行实验,结果表明这种方法不仅可以实现较好的分类性能,还能够提高在细粒度数据集上不同级别的标签结构的图像检索精度,这在电子商务中相关产品的推荐方面具有重要意义。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
《陕西理工大学学报·自然科学版》（CN：61-1510/N）是一本有较高学术价值的大型双月刊，自创刊以来，选题新奇而不失报道广度，服务大众而不失理论高度。颇受业界和广大读者的关注和好评。 《陕西理工大学学报·自然科学版》主要刊登数学、物理学、化学、生物学、机械设计制造及其自动化、金属材料成型及控制、计算机技术、电子信息、应用电子技术、电气自动化、工业与民用建筑、工程管理等方面的学术论文。
杂志详情
