基于對象深度特征融合的圖像表征方法研究.pdf

1、在互聯(lián)網(wǎng)大數(shù)據(jù)時代中，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。因此如何讓計算機更加有效的組織和利用這些圖像數(shù)據(jù)成為當(dāng)下的一個研究熱點。
　　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)在計算機視覺領(lǐng)域的各個應(yīng)用中取得了巨大的成功。與人工設(shè)計的傳統(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。雖然早期的計算機視覺算法受限于人工設(shè)計的視覺特征，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行篩選和融合，以生成具有高區(qū)分性且能夠辨別細微區(qū)別的圖像表示。該圖像表示的特點則適用于細粒度分類任務(wù)。最后，本文在一系列基準(zhǔn)數(shù)據(jù)集上通過與最先進方法的對比實驗驗證了本文提出的兩個方法在各自領(lǐng)域中