發(fā)布時(shí)間：2021-10-19 23:10

　　基于內(nèi)容的圖像檢索技術(shù)旨在根據(jù)用戶提供的輸入圖像,尋找在圖像庫中相同或相似的圖像作為輸出。此技術(shù)如今被用在了諸多領(lǐng)域,在網(wǎng)絡(luò)購物方面,用戶可以利用此技術(shù)快速尋找自己想要的商品。在醫(yī)療方面,可以用此技術(shù)進(jìn)行病癥搜索,尋找身體中可能出現(xiàn)疾病的部位,防范于未然。雖然當(dāng)今圖像檢索技術(shù)已有長足發(fā)展,但現(xiàn)有方法的檢索效果仍然有進(jìn)步的空間。當(dāng)前大多數(shù)方法使用了基于深度學(xué)習(xí)的技術(shù),能夠在原圖中提取出許多表征能力強(qiáng)的高維特征,但其對(duì)主體信息的提取與表達(dá)依然不夠理想,從而會(huì)對(duì)檢索結(jié)果產(chǎn)生不利影響。本文針對(duì)上述問題,提出了基于顯著性檢測的兩段式圖像檢索模型。在模型的第一階段,本文會(huì)對(duì)圖像中的主體目標(biāo)進(jìn)行處理與抽取,第二階段則利用抽出的圖像主體進(jìn)行特征提取。針對(duì)現(xiàn)有方法對(duì)圖像中主體信息提取得不夠好、對(duì)圖像中上下文信息的融合做得還不夠到位的問題,本文提出了基于多注意力的顯著性目標(biāo)檢測方法,即本文的第一階段。此方法在注意力提取方面,通過上下左右四個(gè)方向的掃描以充分獲得全局上下文信息,同時(shí)利用全卷積結(jié)構(gòu)對(duì)圖像的局部上下文信息進(jìn)行抽取。在上下文信息的聚合方面,利用殘差結(jié)構(gòu)結(jié)合編碼解碼網(wǎng)絡(luò),提出了先捕獲全局信息,在此基... 

【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：61 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

某網(wǎng)站的檢索結(jié)果5

哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文-36-圖4-4圖像主體示例（圖源自網(wǎng)絡(luò)7）兩段式的圖像檢索模型意在將這種注意力強(qiáng)化，本文的視覺顯著性檢測模型因使用了捕獲信息能力更全面的注意力提取方法，并對(duì)全局注意力和局部注意力進(jìn)行了有效的結(jié)合，所以可以得到突出圖像主體目標(biāo)的一個(gè)結(jié)果。若以圖4-4為例，則可以得到一匹馬的掩碼圖。緊接著，圖像特征提取模型可以對(duì)顯著性檢測模型提出的結(jié)果進(jìn)行進(jìn)一步的凝練和升華，即利用圖中馬的掩碼圖得到圖中主體，通過這個(gè)主體來進(jìn)行特征抽取，獲得圖像主體的特征。屆時(shí)，圖中主體目標(biāo)就被轉(zhuǎn)化成一個(gè)表示能力強(qiáng)、易于檢索的特征向量。4.3.1兩段式圖像檢索模型的整體框架此兩段式模型的第一階段就是利用顯著性檢測模型將原始圖像中的主體目標(biāo)抽出，本文使用的顯著性檢測方法借助殘差結(jié)構(gòu)將局部上下文與全局上下文信息進(jìn)行了有效的結(jié)合，在此基礎(chǔ)上生成了一個(gè)包含了主體目標(biāo)位置的掩碼圖像。接下來就需要把第一階段的結(jié)果充分利用起來，使用后處理手段來將原始圖像的主體目標(biāo)獲得。在本文的第二階段，將后處理得到的主體圖像作為特征抽取模型的輸入。首先，使用一個(gè)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行特征抽取，對(duì)此網(wǎng)絡(luò)得到的結(jié)果進(jìn)行GeM池化，最終獲得一個(gè)用于檢索特征向量。對(duì)所有原始圖像庫中圖像進(jìn)行上述兩段式的操作，均可得到一個(gè)對(duì)應(yīng)的檢索向量，把所有檢索向量存入檢索庫中。對(duì)任一輸入圖像，使用一樣的方法方法得7http://veconcyf.blog.163.com/blog/static/1269920322010026112758658/

圖4-5兩段

【參考文獻(xiàn)】：
期刊論文
[1]深度卷積神經(jīng)網(wǎng)絡(luò)在計(jì)算機(jī)視覺中的應(yīng)用研究綜述[J]. 盧宏濤,張秦川.  數(shù)據(jù)采集與處理. 2016(01)



本文編號(hào)：3445776