qq_41978522
2021-03-24 10:46
采纳率: 50%
浏览 280

用什么网络提取图像纹理特征比较好?

用什么网络提取图像纹理特征比较好?可以包含lbp等预处理。我准备提取图像纹理特征用来分类,之前我是直接将图像进行局部二值模式变化,然后用于分类,结果效果很不好。还有什么好的方法提取图像纹理特征,用神经网络也行

  • 写回答
  • 关注问题
  • 收藏
  • 邀请回答

5条回答 默认 最新

  • AI 菌 2021-03-25 10:05
    已采纳

    你好,我仔细看了一下你的问题和描述。其实你的困惑我在三年前就遇到过。很遗憾的告诉你,你的这种分类思路是有问题的,因此效果不会太好。目前用机器学习作图像分类有两种基本的思路:(1) 传统特征提取方法+分类器,举一个最简单的例子:HOG+SVM,当然你说的lbp也可以当作一种特征提取方法。(2)深度学习的方法,这是一种最简单而直接的方法。这种方法是不需要你自己人工去提取特征的,因为卷积网络它会自动帮你提取特征,而且这种特征是高度抽象化的,往往具有更好的效果。

    针对你这个问题而言,我在之前就做过实验对比。我采用lbp、hog、等形态学处理方法分别对图像进行了预处理,然后送入了分类网络,分类准确度普遍在92%到96%之间。但是我没有加预处理,直接用分类网络来做,准确度可达98%左右。

    可能你现在比较疑惑了,怎么加了预处理准确度反而降低了。其实当你真正深入了解了卷积神经网络机理就会明白。加了lbp预处理的图片特征信息会比原图少很多,这对于卷积神经网络来说是非常不利,是不利于分类的。所以建议你直接采用卷积神经网路作图像分类,而且现在这种做法非常成熟,精确度往往都能达到很好的水平。

    如果你还没有深度学习图像分类的经验,这里推荐你一个非常棒的【深度学习图像分类】实战专栏:https://blog.csdn.net/wjinjie/category_9777286.html,里面以Tensorflow2为框架,逐一搭建了LeNet-5、AlexNet、VGG系列、GooLeNet、ResNet 系列、DenseNet 系列等经典的神经网络,实现了图像分类,代码在github上已经开源了,欢迎star!

    已采纳该答案
    4 打赏 评论
  • 侠雨飞飞 2021-03-24 13:43

    很明显是卷积神经网络,请参考N多案例

    打赏 评论
  • vagrancy_- 2021-03-24 17:43

    使用预训练的CNN网络,如ResNet50,CNN网络一般都包括多尺度的特征图(原图的1/4等大小)和全连接(用于分类)。

    预训练的网络已经学习到大量类别的特征,可以先不加入自己的数据进行训练,把自己的图像作为网络输入,最后一层特征图作为网络输出,然后使用传统机器学习方法比如svm进行分类,也可以直接用全连接层进行分类。

    新手入门建议使用pytorch,推荐一个模型git:mit-han-lab/once-for-all: [ICLR 2020] Once for All: Train One Network and Specialize it for Efficient Deployment (github.com)

    打赏 评论
  • 有问必答小助手 2021-03-25 15:42

    您好,我是问答小助手,你的问题已经有小伙伴为您解答了问题,您看下是否解决了您的问题,可以追评进行沟通哦~

    如果有您比较满意的答案 / 帮您提供解决思路的答案,可以点击【采纳】按钮,给回答的小伙伴一些鼓励哦~~

    打赏 评论
  • 有问必答小助手 2021-03-25 15:44

    你好,我是问答小助手,本次您提出的有问必答问题,技术专家团超时未为您做出解答

    本次提问扣除的有问必答次数,已经为您补发到账户,我们后续会持续优化,扩大我们的服务范围,为您带来更好地服务。

    打赏 评论

相关推荐 更多相似问题