面向網(wǎng)絡(luò)數(shù)據(jù)的圖像檢索和解析.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，越來越多圖像信息被上傳到網(wǎng)絡(luò)，如何對(duì)這些圖像信息進(jìn)行檢索和解析是當(dāng)下計(jì)算機(jī)視覺領(lǐng)域研究的熱點(diǎn)問題。其中，圖像檢索解決的是如何從大規(guī)模的數(shù)據(jù)當(dāng)中快速、準(zhǔn)確的找到目標(biāo)物體的問題，廣泛應(yīng)用于商用搜素引擎，電子商務(wù)，視頻監(jiān)控等領(lǐng)域。2003年的BoW（Bag-of-Words）模型的提出是該領(lǐng)域的一個(gè)重要突破，后續(xù)的圖像檢索模型也大都延續(xù)了“局部特征”+“詞典向量”的形式。但隨著檢索規(guī)模的擴(kuò)大，在生成圖像的詞典向量過程

2、當(dāng)中，非目標(biāo)的背景局部特征也會(huì)被參考進(jìn)來，從而影響詞典向量的表達(dá)能力，當(dāng)目標(biāo)物體在圖像中所占的面積比例較小時(shí)這種背景干擾的影響就越強(qiáng)烈，影響算法的檢索真確性。另一方面，就圖像解析而言，圖像解析是指對(duì)于圖像的每個(gè)像素點(diǎn)指定正確的標(biāo)注信息，可被用于商品推薦，自動(dòng)駕駛，虛擬現(xiàn)實(shí)等眾多領(lǐng)域。在大規(guī)模圖像分類領(lǐng)域獲得極大突破的深度學(xué)習(xí)技術(shù)近年來也被用于圖像解析領(lǐng)域并取得了優(yōu)異的表現(xiàn)。但是傳統(tǒng)的基于深度學(xué)習(xí)的圖像解析需要進(jìn)行大量的數(shù)據(jù)標(biāo)注，也即在訓(xùn)

3、練階段需要對(duì)訓(xùn)練數(shù)據(jù)的每個(gè)像素提供真實(shí)的標(biāo)注信息，這種代價(jià)無疑是巨大的，從而限制了用于訓(xùn)練的數(shù)據(jù)規(guī)模，進(jìn)而影響了模型的性能。
　　本文在總結(jié)現(xiàn)有的圖像檢索和圖像解析技術(shù)的基礎(chǔ)上，對(duì)于上述問題提出了自己的解決方案，主要貢獻(xiàn)如下：
　　（1）在圖像檢索方面，為了消除背景干擾對(duì)詞典向量表達(dá)能力的影響，我們將圖像檢索從傳統(tǒng)的圖片層面降至目標(biāo)層面，從而降低了背景干擾，并探究目標(biāo)層面的索引重排和索引擴(kuò)展；
　　（2）在圖像解析方面