

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、隨著互聯(lián)網技術的發(fā)展以及多媒體技術的普及,圖像資源與日俱增,傳統(tǒng)的人工標注方法已經不能滿足用戶需求,因此自動圖像標注技術應運而生。它解決了人工標注方法費時費力、標注信息主觀成分較大等問題,實現(xiàn)高效的圖像語義理解。
作為自動標注系統(tǒng)的關鍵技術,圖像的特征提取對標注性能有很大的影響。針對常用特征圖像標注性能不高的問題,進行特征學習的深入研究。本文通過稀疏編碼方法實現(xiàn)自主的圖像特征學習,并將該特征用于圖像標注。此外,利用特征融合
2、技術,將無監(jiān)督學習得到的特征與圖像底層特征融合,使單個特征的單一性和局限性得到改善。主要研究內容如下:
(1)分析自動標注的整體流程和關鍵技術,對圖像顏色特征和紋理特征提取方法進行研究,實現(xiàn)了基于HSV顏色特征和LBP紋理特征的圖像標注。實驗結果表明,HSV特征不受圖像分辨率變化的影響,并且基于該特征的圖像標注比基于LBP特征的圖像標注性能更好。
(2)針對傳統(tǒng)特征不具有普適性的問題,對深度學習進行研究。通過
3、稀疏編碼方法,實現(xiàn)無監(jiān)督的特征學習,并將其作為樣本數(shù)據,訓練分類器,實現(xiàn)圖像標注。實驗結果表明,這種自主學習特征的方法能夠提高分類器的分類精度,與基于HSV和LBP的圖像標注對比,基于特征學習的圖像標注能夠更好的對圖像的對象語義進行描述。
(3)針對單特征進行圖像語義描述時的單一性和局限性問題,采用特征融合技術,將LBP特征分別與HSV特征和稀疏編碼學習得到的特征進行融合。經過歸一化和線性累加后得到的特征能夠實現(xiàn)特征互補。
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。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,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
- 基于多種圖像特征的圖像標注研究.pdf
- 基于語義的圖像多概念標注.pdf
- 基于多示例多標簽學習的圖像分類標注.pdf
- 基于多特征學習的視頻語義標注.pdf
- 基于多距離學習的圖像語義自動標注研究.pdf
- 弱標注環(huán)境下基于多標簽深度學習的加速圖像標注.pdf
- 基于多示例多標記學習的圖像語義標注方法的研究.pdf
- 基于多漸進式的圖像自動標注算法研究.pdf
- 基于區(qū)域特征的有監(jiān)督圖像語義標注.pdf
- 基于多標記學習的圖像標注算法研究與實現(xiàn).pdf
- 基于多示例學習的跨場景圖像自動標注研究.pdf
- 基于遷移學習與深度卷積特征的圖像標注方法研究.pdf
- 基于多標簽學習的圖像區(qū)域語義自動標注算法研究.pdf
- 基于多特征融合及詞匯相關性和多樣性的圖像標注方法研究.pdf
- 基于多模態(tài)特征的視頻語義鏡頭標注.pdf
- 基于多特征的圖像檢索方法研究.pdf
- 基于圖像特征及上下文的圖像標注算法研究與實現(xiàn).pdf
- 基于組稀疏的高維特征選擇及圖像標注研究.pdf
- 基于多標記學習的圖像標注關鍵技術研究.pdf
- 基于特征重建與語義相關性校準的圖像標注研究.pdf
評論
0/150
提交評論