摘要：针对大多数场景分类方法只能学习浅层特征，忽略图像之间的相关结构信息，提出一种基于Gist特征与卷积神经网络结合的场景图像分类方法。其中Gist特征用于提取场景图像的全局特征，并将其作为深度学习模型的输入，通过逐层训练卷积神经网络，提取更高层次的特征，并用训练好的卷积神经网络进行分类。实验在O＆T室外场景图像数据集和MNIST手写体数据集上考察了batchsize、卷积核对分类结果的影响，并与DBN，NN，SVM和CART作为分类器的分类结果进行比较，充分说明了本文方法的有效性。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社