基于改进卷积神经网络的极光图像分类算法研究

论文摘要

极光包含丰富的磁层和日地电磁活动以及能量耦合等空间物理信息,是一种自然放光现象。对极光图像的正确分类有助于探索太阳与地球及地球自身磁场的奥秘。文中针对极光图像分类问题提出一种基于神经网络改进的算法,首先采用迁移学习将在大规模数据集上训练过的VGG16网络用于极光数据库,然后结合VGG16和密集连接的思想提出一种改进的Dense-VGG网络,用该网络提取极光图像的特征,并实现极光图像的自动分类。在中国北极黄河站拍摄的两个极光数据库上进行了实验,其中8 001幅准确率达到96.54%,38 044幅准确率达到98.99%,证明该算法能有效提高极光图像分类准确率。

论文目录

• 1 相关工作
•   1.1 极光图像简介
•   1.2 深度神经网络（VGG16）
• 2 本文方法
•   2.1 VGG16的深度学习迁移策略
•   2.2 基于VGG16改进的Dense-VGG网络
• 3 实验结果与分析
•   3.1 极光图像数据库简介
•   3.2 系统框架搭建
•   3.3 实验结果分析
• 4 结束语

文章来源

类型: 期刊论文

作者: 李彦枝,陈昌红,谢晓芳

关键词: 极光图像,卷积神经网络,特征提取,密集连接,分类

来源: 南京邮电大学学报(自然科学版) 2019年06期

年度: 2019

分类: 信息科技

专业: 计算机软件及计算机应用,自动化技术

单位: 南京邮电大学江苏省图像处理与图像通信重点实验室,莱芜职业技术学院机电工程系

基金: 国家自然科学基金(61501260),江苏省研究生科研与实践创新计划(KYCX17_0776),江苏高校优势学科建设工程(信息与通信工程)资助项目

分类号: TP391.41;TP183

DOI: 10.14132/j.cnki.1673-5439.2019.06.013

页码: 86-93

总页数: 8

文件大小: 1694K

下载量: 474