基于CNN提取特征进行标签传播

作者：刘新伟; 陈楷哲; 张振宇; 姜贺云

来源：温州大学学报(自然科学版), 2020, 41(01): 56-62.

• 标签传播
• 卷积神经网络
• 图像分类
• 迁移学习

利用深度学习中端到端的学习模式表现出的极为有效的分层特征提取、逐层抽象等优点,基于预训练的网络模型提取特征图片的高级特征,再利用提取的高级特征在有标签和无标签图像特征数据上进行半监督学习的思想来进行高效分类。本文先将ImageNet数据集上学习的深度模型迁移到Cifar10数据集上,利用深度网络模型提取Cifar10的深度特征,然后对原深度特征进行降维处理,去除里面的噪声和冗余信息,最后使用降维后的特征来做半监督学习、标签传播。这样既考虑了利用深度学习技术提取到的较好特征,又提高了特征提取的质量,同时也考虑了无标签数据之间的相似性,并通过降维消除了冗余特征。

• 单位
  温州大学; 电子信息工程学院