基于對象深度特征融合的圖像表征方法研究.pdf_第1頁
已閱讀1頁,還剩60頁未讀, 繼續(xù)免費(fèi)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(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、在互聯(lián)網(wǎng)大數(shù)據(jù)時(shí)代中,相對于文字來說,圖像包含豐富的內(nèi)容信息且具有更加直觀的表達(dá)方式,使得圖像逐漸成為大數(shù)據(jù)中不可缺少的一部分。但是圖像數(shù)據(jù)相對于文本和音頻數(shù)據(jù)更加龐大復(fù)雜。因此如何讓計(jì)算機(jī)更加有效的組織和利用這些圖像數(shù)據(jù)成為當(dāng)下的一個(gè)研究熱點(diǎn)。
  目前,借助于硬件設(shè)備的發(fā)展和大數(shù)據(jù)的出現(xiàn),卷積神經(jīng)網(wǎng)絡(luò)在計(jì)算機(jī)視覺領(lǐng)域的各個(gè)應(yīng)用中取得了巨大的成功。與人工設(shè)計(jì)的傳統(tǒng)視覺特征相比,基于學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)能夠從大數(shù)據(jù)中自動學(xué)習(xí)到視覺特

2、征,并且可以針對不同的應(yīng)用從訓(xùn)練數(shù)據(jù)中學(xué)習(xí)更加具有針對性的特征表示。雖然早期的計(jì)算機(jī)視覺算法受限于人工設(shè)計(jì)的視覺特征,但是其中仍有一些對特征使用的思想值得借鑒。另外,圖像通常是由多個(gè)對象所構(gòu)成,對這些對象的分析往往是理解圖像信息的關(guān)鍵。因此本文通過結(jié)合深度學(xué)習(xí)和人工特征中融合的思想,提出兩個(gè)基于對象的深度特征融合算法以生成特定的圖像特征表示,分別用于基于內(nèi)容的圖像檢索和細(xì)粒度分類應(yīng)用。
  本文首先提出一種基于對象的深度特征聚合方

3、法,它通過融合編碼圖像中潛在對象的深度特征來表示圖像。該方法能夠生成對圖像幾何變換和對象空間布局變化具有高魯棒性的圖像表示,適用于基于內(nèi)容的圖像檢索應(yīng)用。然后,本文提出另一種基于對象的深度特征聚合方法,它在只用類別標(biāo)簽的條件下對多尺度的對象部件進(jìn)行篩選和融合,以生成具有高區(qū)分性且能夠辨別細(xì)微區(qū)別的圖像表示。該圖像表示的特點(diǎn)則適用于細(xì)粒度分類任務(wù)。最后,本文在一系列基準(zhǔn)數(shù)據(jù)集上通過與最先進(jìn)方法的對比實(shí)驗(yàn)驗(yàn)證了本文提出的兩個(gè)方法在各自領(lǐng)域中

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(hù)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(fù)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(zhǔn)確性、安全性和完整性, 同時(shí)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。

評論

0/150

提交評論