圖像檢索是計算機(jī)視覺的一個重要分支領(lǐng)域。圖像檢索的一般流程是,首先提取訓(xùn)練集中圖像的特征,然后提取待檢索圖像的特征,接著計算待檢索圖像特征和訓(xùn)練集中圖像特征的相似度,最后根據(jù)相似度大小排序并返回檢索的圖像。圖像特征提取方法廣泛采用基于尺度不變特征變換（Scale-invariant feature transform,SIFT）的提取方法,但是SIFT特征提取方法的主要問題在于:提取的特征過于底層,和圖像底層紋理、輪廓結(jié)構(gòu)有較大相關(guān)性,與人們對于圖像理解的高層語義關(guān)系較弱。隨著深度學(xué)習(xí)模型在計算機(jī)視覺中的廣泛使用,一些研究者將深度學(xué)習(xí)和圖像檢索結(jié)合起來,利用預(yù)訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)提取圖像特征,從而替代基于SIFT的特征提取方法,在一定程度上解決SIFT不能表達(dá)圖像高層語義的問題。然而,大部分研究者直接使用從卷積神經(jīng)網(wǎng)絡(luò)中提取的特征,并沒有對這些特征進(jìn)行挑選�？紤]到卷積神經(jīng)網(wǎng)絡(luò)一般都以分類任務(wù)作為目標(biāo)進(jìn)行網(wǎng)絡(luò)權(quán)重的訓(xùn)練,因此訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)權(quán)重可能更適合做分類任務(wù)而不是圖像檢索�；诖�,本文提出選擇卷積特征融合法（Selective Convolution Feature Fusion,... 

【文章來源】：重慶大學(xué)重慶市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：61 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖像檢索的一般流程

重慶大學(xué)碩士學(xué)位論文2圖像檢索相關(guān)理論與技術(shù)圖2.1神經(jīng)網(wǎng)絡(luò)的歷史發(fā)展Fig.2.1Thehistoryofneuralnetwork①神經(jīng)網(wǎng)絡(luò)的源起最早的神經(jīng)網(wǎng)絡(luò)思想源于1943年的MCP人工神經(jīng)網(wǎng)絡(luò)（MCP是人工神經(jīng)網(wǎng)絡(luò)概念的提出者W.McCulloch和W.Pitts名稱的縮寫），受到人的神經(jīng)元反應(yīng)過程的啟發(fā)，研究者希望通過計算機(jī)來模擬此過程，并最終抽象成為圖2.2所示的結(jié)構(gòu)：圖2.2神經(jīng)網(wǎng)絡(luò)的一般結(jié)構(gòu)Fig.2.2Generalstructureofneuralnetwork9

重慶大學(xué)碩士學(xué)位論文2圖像檢索相關(guān)理論與技術(shù)圖2.1神經(jīng)網(wǎng)絡(luò)的歷史發(fā)展Fig.2.1Thehistoryofneuralnetwork①神經(jīng)網(wǎng)絡(luò)的源起最早的神經(jīng)網(wǎng)絡(luò)思想源于1943年的MCP人工神經(jīng)網(wǎng)絡(luò)（MCP是人工神經(jīng)網(wǎng)絡(luò)概念的提出者W.McCulloch和W.Pitts名稱的縮寫），受到人的神經(jīng)元反應(yīng)過程的啟發(fā)，研究者希望通過計算機(jī)來模擬此過程，并最終抽象成為圖2.2所示的結(jié)構(gòu)：圖2.2神經(jīng)網(wǎng)絡(luò)的一般結(jié)構(gòu)Fig.2.2Generalstructureofneuralnetwork9


本文編號：3460798