基于卷积神经网络的手绘草图识别

针对目前手绘草图识别难度大，识别准确率低且主要以手工提取特征为主，提出一种新的卷积神经网络结构DCSN( Deeper-CNN-Sketch-Net) 进行手绘图像识别。DCSN 模型是根据手绘草图的特点进行设计，如在首层采用了更大的卷积核获取草图的结构信息和更小的步长尽可能多保留特征信息，通过增加网络层数加深网络深度等。为进一步提高识别准确率，针对手绘草图的特点提出了两种新的数据增强方法，小图形缩减策略和尾部移除策略增加数据集的多样性，并利用扩充的数据集训练DCSN 网络。经实验验证，所提出的模型在目前最大的手绘图像数据集上可以取得70． 5% 的识别准确率，超过了目前存在的几种主流的手绘草图识别方法。