隨著智能設(shè)備的普及化,社交平臺(tái)的便捷化以及物聯(lián)網(wǎng)技術(shù)的飛速發(fā)展,現(xiàn)階段全球數(shù)據(jù)呈現(xiàn)爆炸式增長(zhǎng)的現(xiàn)象。如何利用大數(shù)據(jù)、人工智能相關(guān)技術(shù)對(duì)多元化數(shù)據(jù)進(jìn)行快速檢索,引發(fā)了廣大科研工作者的密切關(guān)注。自上世紀(jì)70年代以來,圖像檢索一直是計(jì)算機(jī)視覺領(lǐng)域的研究熱門點(diǎn),其中圖像檢索研究方向主要分為基于文本的圖像檢索技術(shù)（Text-based Image Retrieval,簡(jiǎn)稱TBIR）以及基于內(nèi)容的圖像檢索技術(shù)（Content-based Image Retrieval,簡(jiǎn)稱CBIR）�；趦�(nèi)容的圖像檢索研究方向又分為基于圖像的圖像檢索（Photo-based Image Retrieval,簡(jiǎn)稱PBIR）和基于草圖的圖像檢索（Sketch-based Image Retrieval,簡(jiǎn)稱SBIR）。目前,基于草圖的圖像檢索技術(shù)越來越受到廣大科研工作者的青睞,其主要原因?yàn)槌橄蠛?jiǎn)易的草圖繪制操作相對(duì)用戶而言較為簡(jiǎn)單。然而,基于草圖的圖像檢索研究目前存在如下問題:一是由于草圖與自然圖像屬于不同數(shù)據(jù)域,因此在高維空間中兩者數(shù)據(jù)分布存在一定的差異性,即數(shù)據(jù)域分布不一致性問題;二是高維特征空間中固有的樞紐點(diǎn)問... 

【文章來源】：華中師范大學(xué)湖北省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１－１圖像檢索流程圖??現(xiàn)階段，基于ＣＮＮ網(wǎng)絡(luò)的ＰＢＩＲ技術(shù)己相對(duì)成熟，在人們的實(shí)際生活中發(fā)揮??

碩士學(xué)位論文??Ｙ＾ｇＷＪ）?ＭＡＳＴＥＲ＇Ｓ?ＴＭＥＳＩＳ??圖２－１零樣本學(xué)習(xí)直觀示意圖??２．１．２經(jīng)典模型分析??在零樣本學(xué)習(xí)的圖像識(shí)別２２，２３，２４研宄中，其可以劃分為如下三類：基于屬性的??零樣本學(xué)習(xí)、基于線性函數(shù)的零樣本學(xué)習(xí)、基于非線性函數(shù)的零樣本學(xué)習(xí)。為了??更為深入理解零樣本學(xué)習(xí)技術(shù)，我們?cè)敿?xì)分析了相應(yīng)經(jīng)典的零樣本學(xué)習(xí)模型，諸??如ＤＡＰ模型，ＡＬＥ模型以及ＬａｔＥｍ模型。??１?＞?ＤＡＰ?（Ｄｉｒｅｃｔ?Ａｔｔｒｉｂｕｔｅ?Ｐｒｅｄｉｃｔｉｏｎ）??直接屬性預(yù)測(cè)（Ｄｉｒｅｃｔ?Ａｔｔｒｉｂｕｔｅ?Ｐｒｅｄｉｃｔｉｏｎ，簡(jiǎn)稱ＤＡＰ）＊＂５作為早期零樣本學(xué)習(xí)研??宄的經(jīng)典模型之一，屬于基于屬性的零樣本學(xué)習(xí)范疇，其開創(chuàng)性在于利用圖像標(biāo)??簽相關(guān)屬性進(jìn)行知識(shí)遷移，從而實(shí)現(xiàn)對(duì)未知標(biāo)簽圖像進(jìn)行類別預(yù)測(cè)。??ｓｔｒｉｐｅｓ：?ｙｅｓ?ｔ??ｗａｔｅｒ：?ｎｏ?Ｗ－繫‘：／??ｅａｔｓ?ｆｉｓｈ：?ｎｏ??圖２－２標(biāo)簽－屬性－圖像示意圖??屬性作為圖像標(biāo)簽語義的概括描述，諸如形狀、顏色，甚至幾何信息等，是??物體在任何條件下均具備的性質(zhì)。Ｃｈｒｉｓｔｏｐｈ?Ｈ．Ｌａｍｐｅｒｔ是ＤＡＰ模型的提出者，他??設(shè)定圖像標(biāo)簽語義描述由８５種屬性描述鍵值對(duì)組成，如圖２－２左側(cè)所示。由于計(jì)??算機(jī)無法直接處理上述屬性表征形式，故Ｃｈｒｉｓｔｏｐｈ?Ｈ．Ｌａｍｐｅｒｔ將屬性鍵值對(duì)進(jìn)行??二進(jìn)制化處理，表征為二進(jìn)制向量形式，即形如Ｖ?＝?〇其??中ｍ＝８５，＝?１或者０，１表不為ｙｅｓ，０表不為ｎｏ。??ＤＡＰ模型由圖像樣本層Ｘ、屬性層Ｊ?（屬性分類器）以及標(biāo)簽層（＿ｙ代表訓(xùn)練??集圖像標(biāo)簽，ｚ代表測(cè)試集圖像標(biāo)簽

碩士學(xué)位論文??Ｙ＾ｇＷＪ）?ＭＡＳＴＥＲ＇Ｓ?ＴＭＥＳＩＳ??圖２－１零樣本學(xué)習(xí)直觀示意圖??２．１．２經(jīng)典模型分析??在零樣本學(xué)習(xí)的圖像識(shí)別２２，２３，２４研宄中，其可以劃分為如下三類：基于屬性的??零樣本學(xué)習(xí)、基于線性函數(shù)的零樣本學(xué)習(xí)、基于非線性函數(shù)的零樣本學(xué)習(xí)。為了??更為深入理解零樣本學(xué)習(xí)技術(shù)，我們?cè)敿?xì)分析了相應(yīng)經(jīng)典的零樣本學(xué)習(xí)模型，諸??如ＤＡＰ模型，ＡＬＥ模型以及ＬａｔＥｍ模型。??１?＞?ＤＡＰ?（Ｄｉｒｅｃｔ?Ａｔｔｒｉｂｕｔｅ?Ｐｒｅｄｉｃｔｉｏｎ）??直接屬性預(yù)測(cè)（Ｄｉｒｅｃｔ?Ａｔｔｒｉｂｕｔｅ?Ｐｒｅｄｉｃｔｉｏｎ，簡(jiǎn)稱ＤＡＰ）＊＂５作為早期零樣本學(xué)習(xí)研??宄的經(jīng)典模型之一，屬于基于屬性的零樣本學(xué)習(xí)范疇，其開創(chuàng)性在于利用圖像標(biāo)??簽相關(guān)屬性進(jìn)行知識(shí)遷移，從而實(shí)現(xiàn)對(duì)未知標(biāo)簽圖像進(jìn)行類別預(yù)測(cè)。??ｓｔｒｉｐｅｓ：?ｙｅｓ?ｔ??ｗａｔｅｒ：?ｎｏ?Ｗ－繫‘：／??ｅａｔｓ?ｆｉｓｈ：?ｎｏ??圖２－２標(biāo)簽－屬性－圖像示意圖??屬性作為圖像標(biāo)簽語義的概括描述，諸如形狀、顏色，甚至幾何信息等，是??物體在任何條件下均具備的性質(zhì)。Ｃｈｒｉｓｔｏｐｈ?Ｈ．Ｌａｍｐｅｒｔ是ＤＡＰ模型的提出者，他??設(shè)定圖像標(biāo)簽語義描述由８５種屬性描述鍵值對(duì)組成，如圖２－２左側(cè)所示。由于計(jì)??算機(jī)無法直接處理上述屬性表征形式，故Ｃｈｒｉｓｔｏｐｈ?Ｈ．Ｌａｍｐｅｒｔ將屬性鍵值對(duì)進(jìn)行??二進(jìn)制化處理，表征為二進(jìn)制向量形式，即形如Ｖ?＝?〇其??中ｍ＝８５，＝?１或者０，１表不為ｙｅｓ，０表不為ｎｏ。??ＤＡＰ模型由圖像樣本層Ｘ、屬性層Ｊ?（屬性分類器）以及標(biāo)簽層（＿ｙ代表訓(xùn)練??集圖像標(biāo)簽，ｚ代表測(cè)試集圖像標(biāo)簽

【參考文獻(xiàn)】：
期刊論文
[1]融合零樣本學(xué)習(xí)和小樣本學(xué)習(xí)的弱監(jiān)督學(xué)習(xí)方法綜述[J]. 潘崇煜,黃健,郝建國(guó),龔建興,張中杰.  系統(tǒng)工程與電子技術(shù). 2020(10)
[2]面向細(xì)粒度草圖檢索的對(duì)抗訓(xùn)練三元組網(wǎng)絡(luò)[J]. 陳健,白琮,馬青,郝鵬翼,陳勝勇.  軟件學(xué)報(bào). 2020(07)
[3]零樣本圖像識(shí)別[J]. 蘭紅,方治嶼.  電子與信息學(xué)報(bào). 2020(05)
[4]基于視覺誤差與語義屬性的零樣本圖像分類[J]. 徐戈,肖永強(qiáng),汪濤,陳開志,廖祥文,吳運(yùn)兵.  計(jì)算機(jī)應(yīng)用. 2020(04)
[5]基于草圖的圖像檢索技術(shù)[J]. 朱赟.  信息與電腦(理論版). 2017(22)
[6]基于手繪草圖的圖像檢索技術(shù)研究進(jìn)展[J]. 辛雨璇,閆子飛.  智能系統(tǒng)學(xué)報(bào). 2015(02)



本文編號(hào)：3453164