|
|
1.
基于特征提取偏好与背景色相关性的数据增强算法
余鹰, 王乐为, 张应龙
计算机应用
2019, 39 (11):
3172-3177.
DOI: 10.11772/j.issn.1001-9081.2019051140
深度神经网络具有强大的特征自学习能力，可以通过多层逐步提取的方式获取不同层次的粒度特征，但当图片目标本体与背景色具有强相关性时，特征提取会存在"惰性"，所提取特征的抽象层次较低，判别性不足。针对此问题，通过实验对深度神经网络特征提取的内在规律进行研究，发现特征提取偏好与图片背景色之间具有相关性，消除该相关性可以帮助深度神经网络忽略背景的干扰，直接学习目标本体的特征，由此提出了数据增强算法，并在自主构建的数据集上进行实验。实验结果表明，所提算法可以降低背景色对目标本体特征提取的干扰，减少过拟合，提高分类效果。
参考文献 |
相关文章 |
多维度评价
|
|
