卷积神经网络CNN-目标分类

最新推荐文章于 2025-05-31 15:46:51 发布

大树先生的博客

最新推荐文章于 2025-05-31 15:46:51 发布

阅读量7.1k

点赞数 1

CC 4.0 BY-SA版权

分类专栏： Deep Learning 文章标签：卷积神经网络深度学习目标分类

本文链接：https://blog.csdn.net/Koala_Tree/article/details/77664040

本文探讨了卷积神经网络CNN在目标分类中的应用，包括数据准备、模型设计和训练细节。介绍了迁移学习在有限数据下的作用，并讨论了如何设计神经网络进行面部识别，提出改进思路，如注意力网络和局部学习网络，最后以基于VGG的人脸表情识别为例进行了说明。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

卷积神经网络CNN-目标分类

1. 目标分类基本框架

数据准备

1.数据来源
现有数据集的子集、网络采集、现有数据人工标注。
现有数据：http://deeplearning.net/datasets

2.数据扩充
原始数据切割、噪声颜色等像素变化、旋转平移等姿态变化。
图像效果算子：

高斯：更模糊
unsharp：更清楚
motion：动作模糊

效果卷积核：

F1 = fspecial('disk',1);
F2 = fspecial('average',4);
F3 = fspecial('gaussian',3);
F4 = fspecial('gaussian',4);
F5 = fspecial('unsharp');
F6 = fspecial('motion',7,0.75*pi);
F7 = fspecial('motion',5,0);
F8 = fspecial('motion',5,pi/2);
F9 = fspecial('motion',6,pi);
F10 = [0 0 0; 0 1 0; 0 0 0];
vfilter = {F1, F3, F5, F6, F9, F10};

旋转平移R，T

vTrans = {};
t1 = maketform('affine',[1 0 2*f; 0 1 2*f; 0 0 1]');
t2 = maketform('affine',[0.96 0.1 0; -0.1 0.96 0; 0 0 1]');
t3 = maketform('affine',[-1 0 0; 0 1 0; w1 0 1]');
t4 = maketform('affine',[0.97 -0.02 0; 0.02 0.97 0; 0 0 1]');
t5 = maketform('affine',[1 0 0; 0 1 0; 0 0 1]');
t6 = maketform('affine',[1.04 -0.1 0; 0.1 1.04 0; 0 0 1]');
t7 = maketform('affine',[1.03 0.02 0; -0.02 1.03 0; 0 0 1]');
vTrans = {t1, t2, t3, t5, t6};