公开(公告)号：CN115099294B

公开(公告)日：2024-07-19

申请号：CN202210275922.8

申请日：2022-03-21

Applicant: 昆明理工大学

Inventor： 贾连印 ,  翟红淞 ,  丁家满 ,  李润鑫 ,  李晓武 ,  游进国

IPC: G06V10/764 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/82 ,  G06V10/774 ,  G06V10/80

Abstract: 本发明提供一种基于特征增强和决策融合的花卉图像分类算法，属于图像分类技术领域。包括数据预处理阶段、特征提取与增强阶段、训练阶段和决策融合分类阶段。数据预处理阶段对数据集进行相应的裁剪、缩放、归一化等操作；特征提取与增强阶段将预处理过后的数据送入由ImageNet预训练好的VGG16模型提取多层深度图像特征，引入特征增强策略自适应分配特征权值；训练阶段使用前一阶段的多组特征训练多个自定义softmax分类器；决策融合分类阶段引入信息熵来表示各个分类器的确定性程度，依据信息熵确定融合权值，融合决策实现分类。本发明经过自适应增强的特征具有更强的表述能力，相比以往的softmax分类器具有更强的分类能力。

公开(公告)号：CN115099294A

公开(公告)日：2022-09-23

申请号：CN202210275922.8

申请日：2022-03-21

Applicant: 昆明理工大学

Inventor： 贾连印 ,  翟红淞 ,  丁家满 ,  李润鑫 ,  李晓武 ,  游进国

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06V10/764 ,  G06V10/82 ,  G06V10/774 ,  G06V10/80

Abstract: 本发明提供一种基于特征增强和决策融合的花卉图像分类算法，属于图像分类技术领域。包括数据预处理阶段、特征提取与增强阶段、训练阶段和决策融合分类阶段。数据预处理阶段对数据集进行相应的裁剪、缩放、归一化等操作；特征提取与增强阶段将预处理过后的数据送入由ImageNet预训练好的VGG16模型提取多层深度图像特征，引入特征增强策略自适应分配特征权值；训练阶段使用前一阶段的多组特征训练多个自定义softmax分类器；决策融合分类阶段引入信息熵来表示各个分类器的确定性程度，依据信息熵确定融合权值，融合决策实现分类。本发明经过自适应增强的特征具有更强的表述能力，相比以往的softmax分类器具有更强的分类能力。