随婷婷　王晓峰



一种基于CLMF的深度卷积神经网络模型

随婷婷1王晓峰1

针对传统人工特征提取模型难以满足复杂场景下目标识别的需求，提出了一种基于CLMF的深度卷积神经网络（Convolutional neural networks with candidate location and multi-feature fusion，CLMF-CNN）.该模型结合视觉显著性、多特征融合和CNN模型实现目标对象的识别.首先，利用加权Itti模型获取目标候选区;然后，利用CNN模型从颜色、亮度多特征角度提取目标对象的特征，经过加权融合供目标识别;最后，与单一特征以及目前的流行算法进行对比实验，结果表明本文模型不仅在同等条件下正确识别率得到了提高，同时，达到实时性要求.

图像识别，深度学习，卷积神经网络，多特征融合

引用格式随婷婷，王晓峰.一种基于CLMF的深度卷积神经网络模型.自动化学报，2016，42（6）：875-882

随着科学技术的飞速发展，图像识别技术已从简单的理论融入到了大众的日常生活之中［1-2］.从手机、电脑、打卡机等使用指纹身份识别，到阿里巴巴发布的人脸识别支付技术，都离不开图像识别.然而，在这个信息量爆炸的时代，如何能够提高识别率意义重大，直接关系到图像识别的实用性和安全性.

幸运的是，深度学习的出现解决了如何自动学习出“优质特征”的问题［2-3］.它通过模仿人脑分析学习的机制，将分级信息处理过程引用到了特征表示上，通过逐层特征变换，将样本在原空间的特征表示变换到一个新特征空间，从而使分类识别更加容易.相比于人工构造特征的方法，利用深度学习方法来学习……