[1]吕 凡,胡伏原*,沈军宇,等.一种双LSTM结构的图像多标签分类方法[J].苏州科技大学学报(自然科学版),2018,35(03):79-84.[doi:10.12084/j.issn.2096-3289.2018.03.015]
点击复制

一种双LSTM结构的图像多标签分类方法()
分享到：

苏州科技大学学报（自然科学版）[ISSN:2096-3289/CN:32-1871/N]

卷:
35
期数:
2018年03期
页码:
79-84
栏目:
出版日期:
2018-09-10

文章信息/Info

作者:
吕 凡;  胡伏原*;  沈军宇;  孙 钰
（苏州科技大学 电子与信息工程学院，江苏　苏州 215009）
关键词:
图像多标签分类; 深度学习; LSTM; 序列学习
分类号:
O175；TP391
DOI:
10.12084/j.issn.2096-3289.2018.03.015
文献标志码:
A
摘要:
基于深度学习的图像多标签分类方法主要采用CNN-RNN方法进行按顺序标签预测。但是由于图像的多个标签没有特定的顺序，CNN-RNN方法难以确立有效的标签序列顺序，使得预测的精度不足。基于CNN-RNN方法构建了一种双LSTM结构，利用CNN从所给图像中提取出特征，构建两个LSTM同时解析图像特征，并采用不同的序列顺序进行预测，融合两个预测序列得到最终的预测标签。实验结果表明，文中提出的算法能够有效降低由单一的标签顺序带来的分类效果不足的影响，提高多标签分类的精度。

相似文献/References:

[1]胡伏原,李林燕,尚欣茹,等.基于卷积神经网络的目标检测算法综述[J].苏州科技大学学报(自然科学版),2020,37(02):1.[doi:10.12084/j.issn.2096-3289.2020.02.001]
[2]徐江浪,李林燕,尚欣茹,等.基于YOLO算法的车辆违停检测[J].苏州科技大学学报(自然科学版),2020,37(04):68.[doi:10.12084/j.issn.2096-3289.2020.04.011]
[3]章挺飞,罗　恒*,刘　杭.基于LSTM网络的建筑能耗预测方法[J].苏州科技大学学报(自然科学版),2020,37(04):78.[doi:10.12084/j.issn.2096-3289.2020.04.013]
[4]陆卫忠,曹　燕,宋正伟,等.基于深度学习的建筑安全事故预防策略综述[J].苏州科技大学学报(自然科学版),2021,38(01):8.[doi:10.12084/j.issn.2096-3289.2021.01.002]
[5]胡　锐,芮　忠,胡伏原.基于视觉注意力生成式对抗网络的图像自动标注[J].苏州科技大学学报(自然科学版),2023,40(01):68.[doi:10.12084/j.issn.2096-3289.2023.01.009]

备注/Memo

备注/Memo:
国家自然科学基金资助项目（61472267）；江苏省重点研发计划项目（BE2017663）；航空科学基金资助项目（20151996016）；“十三五”江苏省重点学科计划资助项目（20168765）
更新日期/Last Update: 1900-01-01