如需要完整文档点击下方 "点击下载文档" 按钮

特定建筑物识别可应用于旅游景点地点的查询。 针对现有特定建筑物识别方法特征提取困难、识别率低等问题,提出一种基于卷积神经网络的特定建筑物识别方法。 针对数据规模小的限制,提出利用预训练的 VGG-16 网络进行迁移学习,以改善网络效果。 为了充分利用 VGG-16 网络中各层提取出的特征,提出自适应特征融合的方法。 该方法针对网络中不同层提取出的特征图的层次不同、尺度不同的特点,给每个特征图设置可学习的权重,进而融合在一起进行预测。通过从网络上爬取的 6 273 张 12 类旅游景点建筑物图片作为数据集,对提出的方法进行验证。 使用 VGG-16 网络训练,最终准确率为 97.86%,处理速度为 296 fps。 利用自适应特征融合改进 VGG-16 网络,改进后最终准确率为 98. 93%,处理速度为 289 fps,比改进前准确率提高 1.07%。

如需要完整文档点击下方 "点击下载文档" 按钮

《基于迁移学习与自适应特征融合的建筑物识别》

将 完整文档 下载到本地，方便收藏和查阅

文件号：062371

点击下载文档