杨清溪，张丽红

(山西大学 物理电子工程学院，山西 太原 030006)

场景识别是计算机视觉领域的基础任务之一.传统的场景识别方法主要基于手工特征来研究，在表达能力上有限，识别精度较低.近年来，人们开始利用深度学习方法进行场景识别，并取得了显著成果.基于卷积神经网络(Convolutional Neural Networks，CNN)的方法不需要手工提取图像特征，而且还可以将颜色、纹理、材料等低层潜在信息与区域、对象等高层信息相结合，从而获得更好的场景表示以提高场景识别性能.

目前，国内外场景识别的研究中，提高场景识别性能方法的主要趋势集中在加深网络的深度和宽度.但场景图像类内变化大，类间相似度高(不同场景类别有共享相似的场景表示对象)，会削弱网络的泛化能力，因此，模型场景识别的性能并不会随着网络的深度和宽度线性变化.为了解决这一问题，国内外研究人员提出一些基于上下文信息和判别对象信息来提升场景识别性能的方法.Xie等人基于上下文信息，通过判别候选区域的显著性，构建了一个融合局部和全局判别特性的CNN架构，提高了场景图像的细粒度识别[1]；同时，Zhao等人提出了一个判别发现网络，它可以为每一幅输入图像生成相应的判别映射，再将其输入到多尺度通道内进行特征提取[2]；在判别对象信息方面，HerranzPerdiguero等人提出了在深度语义分割网络的基础上，引入支持向量机(Support Vector Machine，SVM)进行基于对象直方图的场景识别[3]；Wang等人设计了从面向对象和面向场景的CNN中提取基于Patch的特征来构建场景的语义表示架构[4]；……