基于深度特征密度聚类算法的视觉模式挖掘研究  

Research on visual pattern mining combined with density clustering algorithm in computer vision field

作　　者：张芳[1] ZHANG Fang(Anhui Electronic Information Vocational and Technical College,Bengbu 233000,China)

机构地区：[1]安徽电子信息职业技术学院,安徽蚌埠233000

出　　处：《延边大学学报(自然科学版)》2024年第4期30-33,共4页Journal of Yanbian University(Natural Science Edition)

基　　金：安徽省高等学校科学研究项目(自然科学类)(2024AH050096);安徽电子信息职业技术学院校级教研项目(2023AHDZZJ06)。

摘　　要：为提高图像的分类精度和对视觉模式进行有效挖掘,对深度特征密度聚类算法(DNN-FDC算法)进行了改进,提出了一种基于频繁性和判别性的特征密度聚类算法(DNN-JFDC算法).该算法通过注意力机制对目标图像中最具判别性的区域进行定位,采用分类任务对具有判别性的目标图像进行定位,并利用图像的多尺度特征信息与底层特征信息,提高图像识别精度.研究表明:DNN-FDC算法的分类精度为0.994,而DNN-JFDC算法的分类精度和F1分数(均为0.997)比DNN-FDC算法的分类精度和F1分数分别高14.43%和8.22%.这表明,DNN-JFDC算法具有较高的分类精度,可有效挖掘良好的视觉模式.研究结果可为同类问题的解决提供借鉴与参考.To improve the accuracy of image classification and effectively mine visual patterns,the the deep neural network feature density clustering(DNN-FDC)is improved,and a feature density clustering algorithm based on deep neural network joint feature density clustering(DNN-JFDC)is proposed.The algorithm locates the most discriminative region in the target image by means of attention mechanism,adopts classification task to locate the discriminative target image,and uses the multi-scale feature information and the underlying feature information of the image to improve the image recognition accuracy.Research shows that the classification accuracy of DNN-FDC algorithm is 0.994,and the classification accuracy and F1 score of DNN-JFDC algorithm(all are 0.997)are 14.43%and 8.22%higher than that of DNN-FDC algorithm,respectively.This shows that DNN-JFDC algorithm has high classification accuracy and can effectively mine excellent visual patterns.

关 键 词：密度聚类算法 图像处理 视觉模式 频率 可辨性 

分 类 号：TP391.4[自动化与计算机技术—计算机应用技术]