2.793

2018影响因子

(CJCR)

  • 中文核心
  • EI
  • 中国科技核心
  • Scopus
  • CSCD
  • 英国科学文摘

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

深度EM胶囊网络全重叠手写数字识别与分离

姚红革 董泽浩 喻钧 白小军

姚红革, 董泽浩, 喻钧, 白小军. 深度EM胶囊网络全重叠手写数字识别与分离. 自动化学报, 2020, 41(x): 1−10 doi: 10.16383/j.aas.c190849
引用本文: 姚红革, 董泽浩, 喻钧, 白小军. 深度EM胶囊网络全重叠手写数字识别与分离. 自动化学报, 2020, 41(x): 1−10 doi: 10.16383/j.aas.c190849
Yao Hong-Ge, Dong Ze-Hao, Yu Jun, Bai Xiao-Jun. Fully overlapped handwritten number recognition and separation based on deep EM capsule network. Acta Automatica Sinica, 2020, 41(x): 1−10 doi: 10.16383/j.aas.c190849
Citation: Yao Hong-Ge, Dong Ze-Hao, Yu Jun, Bai Xiao-Jun. Fully overlapped handwritten number recognition and separation based on deep EM capsule network. Acta Automatica Sinica, 2020, 41(x): 1−10 doi: 10.16383/j.aas.c190849

深度EM胶囊网络全重叠手写数字识别与分离

doi: 10.16383/j.aas.c190849
详细信息
    作者简介:

    姚红革:博士、西安工业大学计算机学院副教授、研究方向: 机器学习、计算机视觉.E-mail: yaohongge@xatu.edu.cn

    董泽浩:西安工业大学计算机科学与技术学院研究生, 主要研究方向为深度学习、胶囊网络.E-mail: axxddzh@gmail.com

    喻钧:西安工业大学计算机学院教授, 主要研究方向: 图像处理、模式识别.E-mail: yujun@xatu.edu.cn

    白小军:西安工业大学计算机工程与科学学院副教授, 电子信息现场勘验应用技术公安部重点实验室研究员. 主要研究方向为数字图像处理, 人工智能与机器学习.E-mail: baixiaojun@xatu.edu.cn

Fully Overlapped Handwritten Number Recognition and Separation Based on Deep EM Capsule Network

  • 摘要: 基于胶囊网络的向量神经元思想和EM算法, 本文设计了一种以EM为向量聚类算法的深度胶囊网络, 实现了重叠手写数字的识别与分离. 该网络由两部分组成, 第一部分使用两个卷积层、两个基础胶囊层、两个EM聚类胶囊层构成六层网络结构. 其将胶囊维数由常规的8维扩充为16维, 并利用姿态转换矩阵实现低级特征到高级特征的预测, 同时将EM算法改为EM向量聚类算法, 以替换原胶囊网络中的迭代路由部分, 优化了网络的运算过程, 实现了重叠目标识别. 第二部分是重构网络部分, 由结构完全相同的两个并行网络组成, 对双向量进行并行重构, 实现了重叠目标的分离. 实验结果显示, 对于100%全重叠手写数字图片本网络识别率达到了96%, 对比现有的胶囊网络CapsNet在80%的重叠率下95%的识别率, 在100%的重叠率下88%的识别率, 本文网络在难度提升的情况下, 识别率有明显提高, 能够将完全叠加的两张手写数字图片进行准确地分离.
  • 图  1  DCN网络结构图

    Fig.  1  DCN network structure diagram

    图  2  EM向量聚类算法流程图

    Fig.  2  Flow chart of EM vector clustering algorithm

    图  3  全重叠数据集

    Fig.  3  Full-overlapping data set

    图  4  不同聚类次数下输出向量的模长

    Fig.  4  Module length of output vector under different clustering times

    图  5  DCN对全重叠手写数字的识别率与loss值曲线

    Fig.  5  Recognition rate and loss value curve of DCN for fully overlapped handwritten digits

    图  6  重构loss函数占比收敛对比

    Fig.  6  Comparison of proportion convergence of reconstructed loss function

    图  7  重构结果

    Fig.  7  Reconstructing results

    图  8  训练识别率

    Fig.  8  Training recognition rate

    表  1  数据集标签

    Table  1  Dataset label

    输入图像 标签 说明
    (0,0,0,0,0,0,0,1,0,0) 无叠加
    (0,0,0,0,0,0,0,0,0,2) 两相同数字叠加
    (0,0,0,1,0,0,0,1,0,0) 两不同数字叠加
    下载: 导出CSV

    表  2  在不同聚类次数下的激活向量模长

    Table  2  Active vector module length under different clustering times

    网络结构及聚类形式 所用训练集 R = 1 R = 2 R = 3
    DCN EM聚类 / CapsNet路由聚类 MNIST数据集 0.0413/0.0536 0.5241/0.4122 0. 9800/0.8792
    全重叠数据集 0.0332/0.0423 0.4342/0.5865 0.9943/0.8653
    混合数据集 0.0323/0.0354 0.4543/0.3252 0.9923/0.9173
    下载: 导出CSV

    表  3  参数量与不同聚类次数R下的单epoch消耗时间(s)

    Table  3  Parameter quantity and single epoch consumption time under different clustering times (s)

    网络结构 参数量 聚类算法 R = 1 R = 2 R = 3
    CapsNet 8215568 迭代路由 150±2 210±2 240±2
    DCN 20128032 EM 240±2 300±2 340±2
    下载: 导出CSV

    表  4  DCN不同聚类算法单epoch消耗时间(s)

    Table  4  Single epoch consumption time of different DCN clustering algorithms (s)

    聚类算法 R = 1 R = 2 R = 3
    迭代路由EM 350±2 410±2 440±2
    240±2 300±2 340±2
    下载: 导出CSV

    表  5  DCN识别手写数字效果对比

    Table  5  Effect comparison of handwritten digits recognized by DCN

    所用训练集 无重叠手写数字识别率 全重叠手写数字识别率
    MNIST数据集 99.6% 55.2%
    全重叠手写数字数据集 80.7% 96.75%
    混合数据集 95.7% 96.55%
    下载: 导出CSV

    表  6  重叠手写数字识别率对比(R=3)

    Table  6  Comparison of recognition rate of overlapping handwritten digits (R = 3)

    网络模型 训练集 重叠率 正确率
    CapsNet MutiMNIST 80% 95%
    全重叠数据集 100% 88%
    DCN 全重叠数据集 100% 96.75%
    下载: 导出CSV

    表  7  全重叠手写数字分类与重构的部分结果

    Table  7  partial results of classification and reconstruction of fully overlapped handwritten digits

    分类标签 (3, 7) (9, 1) (0, 8) (0, 4) (9, 7)* (7, 9)* (7, 9)* (5, 9)•
    分类结果 (3, 7) (9, 1) (8, 0) (0, 4) (7, 9)* (7, 9)* (7, 9)* (8, 9)•
    输入图片
    重构图片1
    重构图片2
    下载: 导出CSV

    表  8  部分识别和分离结果

    Table  8  Partial identification and separation results

    分类标签 (不, 专) (下, 不) (丑, 下) (不, 丑) (下, 世) (下, 专) (王, 丑) (也, 卫)
    分类结果 (不, 专) (下, 不) (丑, 下) (不, 丑) (下, 世) (下, 专) (丑, 不能确定) (不能确定, 不能确定)
    输入图片
    重构图片1
    重构图片2
    下载: 导出CSV
  • [1] Hinton G E, Ghahramani Z, Teh Y W. Learning to parse images. In: Proceeding of the Neural Information Processing Systems. 2000: 463−469.
    [2] Goodfellow I J, Bulatov Y, Ibarz J, et al. Multi-digit number recognition from street view imagery using deep convolutional neural networks. ArXiv Preprint, ArXiv: 1312.6082, 2013.
    [3] Ba J, Mnih V, Kavukcuoglu K. Multiple object recognition with visual attention. ArXiv Preprint, ArXiv: 1412.7755, 2014.
    [4] Greff K, Rasmus A, Berglund M, et al. Tagger: Deep unsupervised perceptual grouping. In: Proceeding of the Neural Information Processing Systems. 2016: 4484−4492.
    [5] Sabour S, Frosst N, Hinton G E. Dynamic routing between capsules. In: Proceeding of the Neural Information Processing Systems. 2017: 3856−3866.
    [6] Gupta M R, Chen Y. Theory and use of the EM algorithm. Foundations and Trends® in Signal Processing, 2011, 4(3): 223−296
    [7] Xuan G, Zhang W, Chai P. EM algorithms of Gaussian mixture model and hidden Markov model. In: Proceedings 2001 International Conference on Image Processing (Cat. No. 01CH37205). IEEE, 2001, 1: 145−148.
    [8] Fujimoto M, Riki Y A. Robust speech recognition in additive and channel noise environments using GMM and EM algorithm. In: Proceeding of the IEEE International Conference on Acoustics, Speech, and Signal Processing. IEEE, 2004, 1: I−941.
    [9] Bilik I, Tabrikian J, Cohen A. GMM-based target classification for ground surveillance Doppler radar. IEEE Transactions on Aerospace and Electronic Systems, 2006, 42(1): 267−278 doi: 10.1109/TAES.2006.1603422
    [10] Jain A K, Dubes R C. Algorithms for clustering data. 1988.
    [11] D. Wang and Q. Liu. “An optimization view on dynamic routing between capsules, ” 2018.
    [12] A. Jaiswal, W. AbdAlmageed, Y. Wu, and P. Natarajan, “Capsulegan: Generative adversarial capsule network, ” in ECCV, Munich, Germany, 2018, pp. 526–535.
    [13] R. LaLonde and U. Bagci. Capsules for object segmentation. ArXiv Preprint, ArXiv: 2018.
    [14] J. Rajasegaran and V. Jayasundara. DeepCaps: Going deeper with capsule networks. arXiv: 1904.09546v1, 2019.
    [15] G. E. Hinton, S. Sabour, and N. Frosst. Matrix capsules with em routing, in ICLR, Vancouver, BC, 2018.
    [16] Abbas O A. Comparisons Between Data Clustering Algorithms. International Arab Journal of Information Technology (IAJIT), 2008, 5(3)
    [17] Zhang B, Hsu M, Dayal U. K-harmonic means-a data clustering algorithm. Hewlett-Packard Labs Technical Report HPL-1999-124, 1999, 55.
    [18] 王爱平, 张功营, 刘方. EM算法研究与应用. 计算机技术与发展, 2009, 19(09): 108−110 doi: 10.3969/j.issn.1673-629X.2009.09.030

    Wang Ai-Ping, Zhang Gong-Ying, Liu Fang. Research and Application of EM Algorithm. Computer Technology and Development, 2009, 19(09): 108−110 doi: 10.3969/j.issn.1673-629X.2009.09.030
    [19] 岳佳, 王士同. 高斯混合模型聚类中EM算法及初始化的研究. 微计算机信息, 2006, 22(33): 244G246−302

    Yue Jia, Wang Shi-Tong. Algorithm EM and Its Initialization in G aussian-M ixture-M odelBased Clustering. Microcomputer Information, 2006, 22(33): 244G246−302
    [20] 朱周华. 期望最大(EM)算法及其在混合高斯模型中的应用. 现代电子技术, 2003, 26(24): 88−9 doi: 10.3969/j.issn.1004-373X.2003.24.032

    Zhu Zhou-Hua. EM Algorithm and Its Application in Mixture of Gaussian. Modern Electronics Technique, 2003, 26(24): 88−9 doi: 10.3969/j.issn.1004-373X.2003.24.032
    [21] Hongyi Zhang, et al. mixup: BEYOND EMPIRICAL RISK MINIMIZATION. ArXiv Preprint, ArXiv: 1710.09412, 2018.
  • 加载中
计量
  • 文章访问数:  20
  • HTML全文浏览量:  3
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-12-18
  • 修回日期:  2020-04-16

目录

    /

    返回文章
    返回