10.19665/j.issn1001-2400.2021.05.012
采用空洞卷积的多尺度融合草图识别模型
针对现有的基于深度学习的草图识别方法大多将普通卷积作为草图特征提取的主要手段.而忽略了草图对象的稀疏性特点,提出了一种通过空洞卷积实现草图特征提取的草图识别模型.该模型将空洞卷积和普通卷积融合,利用空洞卷积不增加卷积核有效单元数量即可扩大感受野的特性,实现对草图结构特征的初步提取.考虑到空洞卷积的稀疏采样方式使得远距离卷积得到的信息之间没有相关性,对分类结果会产生影响,于是在使用空洞卷积对图像特征进行稀疏提取的同时,使用具有相同大小感受野的普通卷积对输入图像特征进行密集提取,最后将两种不同卷积方式输出的特征在通道维度上进行拼接.这种方法不仅发挥了空洞卷积的稀疏采样特性,也充分利用到不同卷积方式带来的多尺度信息优势.实验结果表明,该模型在TU-Berlin SKetch数据集取得了72.6%的识别准确率,相较于目前主流的草图识别方法,效果更加明显.
空洞卷积;多尺度融合;草图识别;卷积神经网络;感受野
48
TP391(计算技术、计算机技术)
国家自然科学基金41471337
2021-11-18(万方平台首次上网日期,不代表论文的发表时间)
共8页
92-99