基于極限學(xué)習(xí)機的移動視覺搜索研究與優(yōu)化.pdf_第1頁
已閱讀1頁,還剩59頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、隨著移動設(shè)備的普及,移動終端已經(jīng)發(fā)展成為一種具備高分辨率、彩色顯示等強大功能的圖像和視頻處理設(shè)備。移動視覺搜索是指結(jié)合移動端采集到的現(xiàn)實圖像和Internet的搜索技術(shù)來檢測對象,最終在移動端顯示出檢索圖像的相關(guān)資源。雖然圍繞此技術(shù)出現(xiàn)了很多的研究探索,但是由于受環(huán)境條件限制,并沒有得到廣泛的應(yīng)用。本文將ELM(Extreme learning machine)應(yīng)用到移動視覺搜索方向,并進行相關(guān)研究,從而分析移動視覺搜索的可行性。

2、>  移動視覺搜索整體是以圖像識別相關(guān)技術(shù)為基礎(chǔ)的。傳統(tǒng)的圖像檢索技術(shù)一般采用SVM(Support Vector Machine)、神經(jīng)網(wǎng)絡(luò)等方法來訓(xùn)練圖像特征數(shù)據(jù),需要多次迭代,且容易產(chǎn)生局部最優(yōu)解。極限學(xué)習(xí)機(ELM)作為一種新興技術(shù),克服了其他傳統(tǒng)智能技術(shù)的所面臨的一些問題。它是一種簡單的學(xué)習(xí)算法;不同于傳統(tǒng)的學(xué)習(xí)算法(如BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法),ELM不僅能達到最小的訓(xùn)練錯誤,同時致力于達到最小的標準權(quán)重;它避免了傳統(tǒng)的SLFN

3、s學(xué)習(xí)方法學(xué)習(xí)速度慢以及容易出現(xiàn)網(wǎng)絡(luò)訓(xùn)練失敗的可能。
  在理論方面,本文首先將ELM算法思想和數(shù)學(xué)推導(dǎo)公式結(jié)合起來,驗證分析了ELM算法處理分類的能力。接著將ELM延伸到圖像領(lǐng)域。在此基礎(chǔ)上,本文提出了BMVS(Basic Mobile Visual Search)框架模型,將ELM運用到此框架服務(wù)器端,通過移動設(shè)備的圖像采集和網(wǎng)絡(luò)端的ELM處理來進行移動視覺搜索的研究。
  接著在服務(wù)器端進行驗證分析的過程中,提出了A-

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論