場景識別技術(shù)作為機(jī)器視覺領(lǐng)域中的關(guān)鍵技術(shù)之一,已經(jīng)發(fā)展成為深度學(xué)習(xí)方向的重要研究問題之一,與此同時也是圖像識別領(lǐng)域的一個研究技術(shù)難點。如果能夠有效地提高場景圖像的識別率,將極大程度地推動人機(jī)交互、視頻和圖像檢索、智能視頻監(jiān)控等領(lǐng)域的發(fā)展并且能夠帶來巨大的經(jīng)濟(jì)效益。因此,有效提高場景識別技術(shù)具有十分重要的意義和挑戰(zhàn)性。場景圖像普遍存在照射角度、光照強度、形狀改變、部分遮擋和背景混入等情況,導(dǎo)致場景圖像呈現(xiàn)類內(nèi)差異大和類間差異小的特點。近年來,研究者做出了很多努力,來探尋有效的特征表示以提高場景的識別性能。在早期研究中,主要是利用先驗知識設(shè)計用于提取場景圖像的淺層視覺特征。這些淺層特征表示方法能夠在早期的簡單場景圖像數(shù)據(jù)集上取得令人信服的結(jié)果。但是,針對那些更具挑戰(zhàn)性的大型的場景識別數(shù)據(jù)庫,則識別效果不佳。近年來,深度學(xué)習(xí)理論在計算機(jī)領(lǐng)域取得了有目共睹的巨大成功,基于深度特征的場景識別方法的性能普遍比基于淺層特征的方法要優(yōu)越。研究發(fā)現(xiàn)場景圖像的目標(biāo)屬性有助于提高場景圖像的識別率,場景圖像的目標(biāo)語義特征屬于高層特征。本人在前人的工作基礎(chǔ)上,研究深度特征融合的場景識別算法。本文的主要研究內(nèi)容如... 

【文章來源】：南京郵電大學(xué)江蘇省

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【部分圖文】：

ImageNet數(shù)據(jù)集場景樣本圖

碩士研究生學(xué)位論文 據(jù)集[48]是一個室內(nèi)場景數(shù)據(jù)集，有 67 個場景，包括：休閑場所，總共有 15620 張圖像，所有圖像在最小軸上的最部分圖片如圖 1.2 所示。

圖 1.2 MIT67 數(shù)據(jù)集場景樣本圖據(jù)集9]是一個大型場景數(shù)據(jù)集，場景類別數(shù)為 899，共有 13N397 數(shù)據(jù)集，其中共含 397 個場景類別，一共有 108,75據(jù)集中 397 個良好采樣的類別，其包含不同種類的室內(nèi)場像如圖 1.3 所示。


本文編號：3299394