

版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著技術(shù)的發(fā)展,每天都有大量圖片上傳到互聯(lián)網(wǎng)。特別是隨著智能手機(jī)的應(yīng)用,人們可以很容易地拍攝、編輯和上傳圖片。場(chǎng)景分類的目標(biāo)是根據(jù)圖像的視覺(jué)內(nèi)容為圖像賦予一個(gè)語(yǔ)義類別(例如:體育場(chǎng)或商場(chǎng))。由于場(chǎng)景圖片的二義性、多樣性、光照和尺度等問(wèn)題,場(chǎng)景分類是一個(gè)挑戰(zhàn)性的問(wèn)題。場(chǎng)景分類也是計(jì)算機(jī)視覺(jué)的基本問(wèn)題,是圖像檢索、圖像內(nèi)容分析和目標(biāo)識(shí)別等問(wèn)題的基礎(chǔ)。研究本課題研究意義十分重大,它可以幫助用戶節(jié)省查找有用信息的時(shí)間,讓搜索引擎功能更智能化,可
2、以為我們節(jié)省更多的物力人力,可以使我們的網(wǎng)絡(luò)更加智能化。
本文從圖像的局部特征提取、視覺(jué)字典的生成、特征的編碼方法和圖像的表示與分類等方面對(duì)場(chǎng)景圖像分類進(jìn)行了深入研究:1)在局部特征提取階段,本文提出用二進(jìn)制特征作為局部圖像特征,大大縮短視覺(jué)字典的學(xué)習(xí)時(shí)間和特征編碼時(shí)間。本文還提出用在ImageNet數(shù)據(jù)集訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)模型抽取隱含層的數(shù)據(jù)作為圖像塊特征,避免了設(shè)計(jì)復(fù)雜的特征提取算法。2)本文利用特征編碼的方法縮小了底層
3、特征與語(yǔ)義之間的鴻溝,并對(duì)比了矢量量化、LLC編碼和Fisher向量編碼的性能。3)在場(chǎng)景圖像的表示與分類階段,本文采用基于空間金字塔匹配模型來(lái)表示圖像,充分利用了局部特征的空間信息,提高了圖像特征的區(qū)分能力,并測(cè)試了不同層數(shù)、不同塊劃分方法的空間金字塔的平均分類正確率。最后利用線性 SVM作為分類器,大大縮短了訓(xùn)練和測(cè)試的時(shí)間。
本文提出的方法在 Caltech-101數(shù)據(jù)集上的平均分類正確率是73.14%,相關(guān)實(shí)驗(yàn)表明,本
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于中層語(yǔ)義的圖像場(chǎng)景分類算法研究.pdf
- 基于特征描述的圖像場(chǎng)景分類算法研究.pdf
- 基于中層語(yǔ)義的圖像場(chǎng)景分類算法研究(1)
- 基于多層次特征表示的場(chǎng)景圖像分類算法研究.pdf
- 面向交通場(chǎng)景的圖像分類研究.pdf
- 面向圖像語(yǔ)義描述的場(chǎng)景分類研究.pdf
- 場(chǎng)景圖像分類的若干問(wèn)題研究.pdf
- 基于特征組合的圖像場(chǎng)景分類.pdf
- 面向交通場(chǎng)景的圖像分類技術(shù)研究.pdf
- 基于Hadoop平臺(tái)的圖像場(chǎng)景分類方法研究.pdf
- 基于概率主題模型的圖像場(chǎng)景分類研究.pdf
- 圖像場(chǎng)景分類的關(guān)鍵技術(shù)研究.pdf
- 基于場(chǎng)景分類的圖像質(zhì)量評(píng)價(jià).pdf
- 基于特征學(xué)習(xí)的圖像場(chǎng)景分類.pdf
- 場(chǎng)景分類與道路場(chǎng)景異常識(shí)別算法研究.pdf
- 基于中層語(yǔ)義表示的圖像場(chǎng)景分類研究.pdf
- 基于中層語(yǔ)義特征的圖像場(chǎng)景分類研究.pdf
- 基于LDA主題模型的圖像場(chǎng)景分類研究.pdf
- 基于語(yǔ)義主題模型的圖像場(chǎng)景分類研究.pdf
- 場(chǎng)景標(biāo)注中的圖像分割優(yōu)化算法研究.pdf
評(píng)論
0/150
提交評(píng)論