基于集成学习的图片分类在空气质量检测中的应用

作者：胡鸣珂; 孙怡; 吴健盛^*

来源：电脑与电信, 2018, (10): 12-37.

DOI：10.15966/j.cnki.dnydx.2018.10.004

• 集成学习
• 卷积神经网络
• 空气质量检测
• 图像特征提取

图片分类是机器视觉领域的经典问题。在利用图片分类技术进行空气质量检测的应用中,需要搜集城市空气质量实拍图进行训练,以自动判定空气质量等级,由于图片拍摄环境和尺寸变化很大,不同场景对图片分类性能影响很大。本文提出了集成学习的框架,即综合考虑了卷积神经网络、梯度直方图和尺度不变特征提取三种技术的各自特点,提高图片分类的准确性并应用于空气质量检测中,同时考虑到城市空气质量实拍图数量有限,利用迁移学习的思想克服了图片训练量不足的问题,进一步提高了检测的准确度。在准确度方面,通过实验验证了本文提出的方法比单独图片分类技术优越。

• 单位
  南京邮电大学