曹靖城，张继东，史国杰

（天翼智慧家庭科技有限公司，江苏 南京 210006）

1 引言

图像分类的主要任务是利用图像信息中呈现的各类特征，将不同种类的图像数据按相应维度进行区分、归类。图像分类的核心内容在于图像特征的提取，提取的高级语义特征有利于对图像内容或本质的理解，也能进一步提高图像分类的精度。在大数据时代，互联网技术实现了量变到质变的突破，庞大的数据量为数据的分析、特征的挖掘提供了坚实的基础，加上机器算力的快速发展，使深度学习方法逐渐成为图像分类的主流方法[1]。卷积神经网络是深度学习技术中的热点研究方向，具有强大的特征提取能力和非线性拟合数据能力，是现今图像分类任务中最为有效的算法之一[2]。

本文根据神经网络的特性，将其应用于海量云盘图片的分类。对于同一物体，由于成像角度的细微变化会引起图像的旋转，云盘中可能存有同一物体的多张旋转图像，因此要求分类方法具有旋转不变性，即方法提取的特征不会受图像旋转的影响。此外，同一物体在不同背景下的图像也常见于云盘中，同样需要考虑背景变化对分类性能的影响。

本文使用经典的深层网络结构VGG19 进行图像分类，并采用边缘增强图像替代原始图像以减少旋转或背景变化对VGG 网络分类性能造成的影响，基于大量数据进行多次对比实验以避免偶然性结果，验证了本文所提方法的可行性与有效性。……