基于特征融合的深度学习场景识别方法

摘要

本发明涉及一种基于特征融合的深度学习场景识别方法，本发明利用深度卷积神经网络，首先选择VGG16模型第4个卷积模块的最后一个卷积操作输出的特征图F，然后对选择的特征图F依次进行1次卷积和2次线性变换操作，最终将特征图F转换成512维的列向量，然后将512维的列向量与VGG16第一个全连接层输出的4096维特征向量进行级联融合，将融合后的4608维的特征向量x输入到下一个全连接层中，最终获得模型对场景图像的预测结果。该方法不仅在公开的场景图像数据集Scene‑15上取得较好的分类效果同时在我们构建的电力场景图像数据集上也取得较高的分类准确率。