2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩62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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、圖像分類技術(shù)是計(jì)算機(jī)視覺領(lǐng)域中最重要和最具挑戰(zhàn)性的研究課題之一,在圖像檢索,視頻檢索,醫(yī)學(xué)應(yīng)用等領(lǐng)域得到了廣泛應(yīng)用。近年來,眾多學(xué)者對(duì)圖像分類技術(shù)進(jìn)行了深入的研究,視覺詞袋(Bag-Of-Visual words,BOV)模型則是其中最成功、應(yīng)用最廣的一種圖像分類模型。然而傳統(tǒng)視覺詞袋模型下的圖像分類技術(shù)還有一些不足之處,本文將從以下幾個(gè)方面對(duì)其改進(jìn):
  1.針對(duì)傳統(tǒng)視覺詞袋模型中視覺詞典的規(guī)模過大與判別力差的問題,提出了一種加

2、權(quán)最大相關(guān)最小相似(Weighted-Maximal Relevance-Minimal-Semantic similarity,W-MR-MS)視覺詞典優(yōu)化準(zhǔn)則。首先提取圖像的尺度不變特征轉(zhuǎn)換(SIFT)特征,并用K-Means算法對(duì)特征聚類生成原始視覺詞典;然后計(jì)算視覺詞典中視覺單詞與圖像類別的相關(guān)性和視覺單詞間的語義相似性,并引入一個(gè)加權(quán)系數(shù)綜合兩者對(duì)圖像分類的重要程度;最后通過刪除視覺詞典中與圖像類別相關(guān)性弱,且視覺單詞間語義相

3、似性大的視覺單詞,從而達(dá)到優(yōu)化視覺詞典的目的。實(shí)驗(yàn)結(jié)果表明,采用優(yōu)化后的視覺詞典對(duì)圖像進(jìn)行分類提高了圖像的分類性能。
  2.針對(duì)視覺詞袋模型中圖像局部特征空間分布信息的缺失與圖像分類的語義性差的問題,提出一種基于概率潛在語義分析(PLSA)與視覺短語的圖像分類方法。首先用W-MR-MS準(zhǔn)則對(duì)視覺詞典進(jìn)行優(yōu)化,并在優(yōu)化視覺詞典的基礎(chǔ)上建立視覺短語,進(jìn)而增加圖像局部特征的空間分布信息;然后結(jié)合該視覺短語與優(yōu)化視覺詞典中的視覺單詞,構(gòu)

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(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)頁內(nèi)容里面會(huì)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(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。

評(píng)論

0/150

提交評(píng)論