基于深度學(xué)習(xí)特征和在線感知機(jī)的物體識別系統(tǒng)

李孟起 中國海洋大學(xué)經(jīng)濟(jì)學(xué)院 鄭煜辰 中國海洋大學(xué)信息科學(xué)與工程學(xué)院

基于深度學(xué)習(xí)特征和在線感知機(jī)的物體識別系統(tǒng)

李孟起 中國海洋大學(xué)經(jīng)濟(jì)學(xué)院 鄭煜辰 中國海洋大學(xué)信息科學(xué)與工程學(xué)院

計算機(jī)視覺是科學(xué)領(lǐng)域中一個極富挑戰(zhàn)性的研究領(lǐng)域。近年來，隨著科學(xué)研究的進(jìn)步和工業(yè)水平的提高，計算機(jī)視覺被廣泛應(yīng)用于醫(yī)學(xué)、工業(yè)、交通、等多個領(lǐng)域。本文實(shí)現(xiàn)一個物體自動識別系統(tǒng)，完成對特定類物體的識別。系統(tǒng)采用深度網(wǎng)絡(luò)模型Decaf進(jìn)行特征提取，將提取特征送入到融合了在線學(xué)習(xí)方法的分類器中實(shí)現(xiàn)圖像中物體的準(zhǔn)確識別。對于識別結(jié)果，本作品采用DTW語音模型對識別結(jié)果進(jìn)行人工矯正。實(shí)驗結(jié)果表明，系統(tǒng)具備模型簡單，識別時間短，精度高，泛化能力強(qiáng)等優(yōu)點(diǎn)。

2 介紹

計算機(jī)視覺與模式識別是近十幾年來計算機(jī)科學(xué)最熱門的方向之一。目標(biāo)識別與分類作為該領(lǐng)域研究中的基礎(chǔ)性問題，有著極大的研究價值和應(yīng)用價值，受到廣泛的關(guān)注。近年來，隨著圖像處理技術(shù)的專業(yè)化和計算機(jī)硬件成本的下降和處理速度的提高，計算機(jī)視覺技術(shù)被廣泛的運(yùn)用到生產(chǎn)實(shí)踐中，目標(biāo)識別應(yīng)用層出不窮，在醫(yī)學(xué)檢測，工業(yè)生產(chǎn)，智能交通，安全監(jiān)管等各個領(lǐng)域發(fā)揮日漸重要的作用，可以說計算機(jī)視覺正改變著我們的生活。

本文采用深度學(xué)習(xí)中的泛化CNN模型Decaf進(jìn)行特征提取，對傳統(tǒng)感知機(jī)模型進(jìn)行容錯改進(jìn)，實(shí)現(xiàn)對特定類別的準(zhǔn)確識別。同時，對整體模型進(jìn)行在線學(xué)習(xí)改進(jìn)，使網(wǎng)絡(luò)結(jié)構(gòu)具有實(shí)時調(diào)整的特性，實(shí)現(xiàn)系統(tǒng)識別能力的“智能化”增強(qiáng)。此外，系統(tǒng)的用戶反饋采用語音對話的方式，從而使應(yīng)用更具交互性與趣味性。實(shí)驗結(jié)果表明，該模型具有測試精度高，測試時間短，泛化能力強(qiáng)的優(yōu)點(diǎn)。同時模型在訓(xùn)練的過程中隨反饋結(jié)果調(diào)整逐漸優(yōu)化，達(dá)到了“終生學(xué)習(xí)”的要求。

3 實(shí)現(xiàn)方案

3.1 特征提取

Decaf是由UC Berkeley發(fā)布的深度學(xué)習(xí)庫，是一種已在ImageNet數(shù)據(jù)集上訓(xùn)練好的深度網(wǎng)絡(luò)模型。ImageNet共包含14197122張來自21841個類的自然圖像。作為一種清晰高效的深度網(wǎng)絡(luò)框架，Decaf方法具有運(yùn)行速度快，架構(gòu)簡單友好的特點(diǎn)。本文采用Decaf模型進(jìn)行特征提取。將實(shí)驗圖像輸入Decaf模型，抽取結(jié)構(gòu)第6層4096維卷積特征作為分類器輸入。實(shí)驗結(jié)果表明，4096維Decaf特征能使樣本間具備很好的區(qū)分性，從而得到極好的識別效果。

3.2 分類器訓(xùn)練

相對于分類器訓(xùn)練，良好的特征表示對識別結(jié)果的影響更大。因此，有上面特征提取階段得到的具備較強(qiáng)區(qū)分度Decaf特征做基礎(chǔ)，系統(tǒng)選用相對簡單的感知機(jī)模型作為分類器。通過對單層感知器模型進(jìn)行容錯改進(jìn)，找到最佳分類界面。同時，為實(shí)現(xiàn)模型學(xué)習(xí)能力的“智能化”，將感知機(jī)模型與在線學(xué)習(xí)相結(jié)合，使模型具有應(yīng)對錯誤識別情況實(shí)時調(diào)整參數(shù)的能力，從而達(dá)到“系統(tǒng)隨用戶不斷反饋越來越智能”的要求。

3.3 語音識別

用戶反饋的語音識別是本識別系統(tǒng)的另一個重要模塊。用戶通過語音對系統(tǒng)識別的結(jié)果進(jìn)行反饋，分類器接受反饋信號，依據(jù)信號屬性采取相應(yīng)動作：若用戶信號為“Yes”，分類器無動作；若用戶信號為“No”，說明模型誤分測試樣本，分類器按正確結(jié)果對網(wǎng)絡(luò)權(quán)值進(jìn)行調(diào)整。應(yīng)用語音信號進(jìn)行人機(jī)交互，增加了系統(tǒng)的交互性與趣味性。

4 性能測試

4.1 測試方案

為更好的表征系統(tǒng)識別能力，我們選取ImageNet數(shù)據(jù)集中具備較高相似性的5類數(shù)據(jù)樣本進(jìn)行系統(tǒng)測試，分別為：算盤，鍵盤，遙控器，手機(jī)，Mp4。其中鍵盤類1045個樣本，其余各類均包含1300個樣本，共6245個樣本。在樣本中選取4800個數(shù)據(jù)作為訓(xùn)練樣本，其余1425個用于測試。在系統(tǒng)識別能力“智能化”增強(qiáng)驗證實(shí)驗中，首先在訓(xùn)練集中選取400張圖片作為輸入，訓(xùn)練得到初始化分類器。然后采取增量學(xué)習(xí)的方式，每次另行選取400張圖片送入上一步得到的模型進(jìn)行分類，通過語音反饋不斷調(diào)整模型參數(shù)，直到4800個訓(xùn)練樣本用完為止。在語音識別測試中，我們選取組內(nèi)3人的語音作為測試樣本，每人300個語音樣本（150個Yes，150個No），共900個樣本。除此之外，為保證系統(tǒng)完整性，我們對集成后的模型也進(jìn)行了多次測試。

4.2 結(jié)果分析

系統(tǒng)界面設(shè)計與預(yù)測結(jié)果：

圖1 識別設(shè)計與界面

以上兩圖分別對應(yīng)識別正確和識別錯誤的情況：識別正確，則識別結(jié)束；若系統(tǒng)識別錯誤，則返回此樣本及其真實(shí)標(biāo)簽來調(diào)整分類器?？梢钥吹?，此系統(tǒng)具有較高的識別速度，識別單幅圖片時僅需不到一毫秒的時間。

圖2 鍵盤類的識別準(zhǔn)確率

圖2展示了鍵盤類識別過程中，模型識別能力隨在線學(xué)習(xí)權(quán)值調(diào)整不斷增強(qiáng)的趨勢。直觀表示為，隨著訓(xùn)練樣本的不斷增加，測試準(zhǔn)確率不斷升高。

5 總結(jié)

本文以較好的計算機(jī)視覺與模式識別理論作為支撐，有效地實(shí)現(xiàn)了預(yù)期的精確識別和有效反饋調(diào)節(jié)的功能。作品結(jié)構(gòu)設(shè)計合理簡單，功能實(shí)現(xiàn)快捷有效，交互操作便捷，具備較好的用戶體驗。同時，系統(tǒng)模型具備較高的實(shí)用價值，并能在一定程度上滿足市場需求，進(jìn)一步完善開發(fā)后可以迅速推向市場。

[1]常亮,鄧小明,周明全,等.圖像理解中的卷積神經(jīng)網(wǎng)絡(luò)[J].自動化學(xué)報,2016,42(9):1300-1312

[2]楊戈,張威強(qiáng),黃靜.一個感知機(jī)神經(jīng)網(wǎng)絡(luò)字符識別器的實(shí)現(xiàn)[J].電子技術(shù)應(yīng)用,2015,41(3):120-122

[3]尹寶才,王文通,王立春.深度學(xué)習(xí)研究綜述[J].北京工業(yè)大學(xué)學(xué)報,2015(1):48-59

[4]楊淑瑩,胡軍,曹作良.基于圖像紋理分析的目標(biāo)物體識別方法[J].天津理工學(xué)院學(xué)報,2001,17(4):31-33

[5]梁冰,陳德運(yùn),程慧.自適應(yīng)視聽信息融合用于抗噪語音識別[J].控制理論與應(yīng)用,2011,28(10):1461-1466