一种基于异构特征统一深度神经网络的中国水墨画识别方法

摘要

本发明公开了一种基于异构特征统一深度神经网络的中国水墨画识别方法,步骤包括：特征提取：特征提取模块从水墨画数据中提取多种类型的特征向量，特征向量包括PHOG、BOF、ESH、VGGNet bottleneck特征和ResNet bottleneck特征；异构特征统一：通过特征提取过程的处理，利用多种特征提取方法获得了五种异构图像特征表示，提出了一个基于深度神经网络的无监督特征学习技术的异构特征统一模块，将多种类型特征的异构空间转换为统一的特征表示空间；特征融合：融合网络模块最后一个隐藏层输出一个1024维特征向量，作为水墨画的最终特征表示。本发明可以有效地从异构图像特征集中发现更具区分力的特征表示，并消除冗余和无关的信息、多种特征表示融合起来，从而获得更好的图像分类结果。