視覺(jué)屬性是圖像的基本特征,基于屬性及相對(duì)屬性學(xué)習(xí)已經(jīng)成為計(jì)算機(jī)視覺(jué)領(lǐng)域內(nèi)新的研究熱點(diǎn)。由于計(jì)算機(jī)是用二進(jìn)制數(shù)據(jù)來(lái)表達(dá)的,而人類(lèi)傳遞的語(yǔ)言信息則是千變?nèi)f化的,從而導(dǎo)致了底層數(shù)據(jù)信息和高層語(yǔ)義信息之間存在著“語(yǔ)義鴻溝”。而視覺(jué)屬性是一種中級(jí)別圖像特征,它一般是人為命名的(如“尖的”、“笑的”),所以能捕捉更多的語(yǔ)義關(guān)系,正好能解決“語(yǔ)義鴻溝”問(wèn)題。于是大量的視覺(jué)屬性研究工作應(yīng)運(yùn)而生,但是這些主要都是關(guān)于識(shí)別物體的一個(gè)屬性存在與否,也即二值屬性。近幾年來(lái),基于相對(duì)屬性學(xué)習(xí)的研究層出不窮。除了利用全局排序函數(shù)模型來(lái)進(jìn)行相對(duì)屬性學(xué)習(xí)的方法,也有針對(duì)精細(xì)視覺(jué)比較的局部學(xué)習(xí)方法。這些方法盡管能預(yù)測(cè)圖像對(duì)中的圖像屬性強(qiáng)度哪個(gè)更強(qiáng)或更弱,但是不能預(yù)測(cè)屬性強(qiáng)度相似的情形。隨后,大量研究者提出了基于深度學(xué)習(xí)的相對(duì)屬性模型。這些研究雖然都取得較好的實(shí)驗(yàn)效果,但是因?yàn)樯疃葘W(xué)習(xí)的結(jié)構(gòu)特性造成較高的時(shí)間復(fù)雜度和空間復(fù)雜度。針對(duì)當(dāng)前基于相對(duì)屬性學(xué)習(xí)的視覺(jué)比較模型局限性,本文的研究?jī)?nèi)容有:針對(duì)精細(xì)度不高的視覺(jué)比較,提出一種更精準(zhǔn)的全局視覺(jué)比較模型;針對(duì)精細(xì)的視覺(jué)比較,提出一種更精確的局部視覺(jué)比較模型;針對(duì)能同時(shí)預(yù)測(cè)更強(qiáng)...

【文章頁(yè)數(shù)】：106 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

圖１．２零樣本學(xué)習(xí)??－

斷出Ｕ類(lèi)的概率分布，這樣我們就可以進(jìn)行圖像或視頻分類(lèi)。常規(guī)的樣??本學(xué)習(xí)如果缺乏訓(xùn)練樣本，則會(huì)導(dǎo)致學(xué)習(xí)效果大打折扣。為了解決這個(gè)??問(wèn)題，一般情況下知識(shí)遷移可以完成。遷移學(xué)習(xí)方法就是將先驗(yàn)知識(shí)從??源類(lèi)別遷移到目標(biāo)類(lèi)別，該方法一定程度上避免了由于缺失訓(xùn)練樣本而??造成分類(lèi)器失效的....

圖１．３二值屬性的比較??

對(duì)于一張?zhí)幱诖蟆靶Α迸c不“笑”之間的圖像，可以利用它們之間“笑”屬性的??相對(duì)程度，很容易對(duì)這幅圖像進(jìn)行描述：這一張圖像的“笑”的強(qiáng)度比左邊一張??圖像的更弱，但是比右邊一張圖像“笑”的強(qiáng)度更強(qiáng)，如圖１．３所示。??７??

圖１．４粗糙比較和精細(xì)比較??

約束圖像對(duì)數(shù)量越多，訓(xùn)練的全局排序函數(shù)性能越好。但是這主要適合粗??糙的視覺(jué)比較情況，對(duì)于面對(duì)一些細(xì)微的精細(xì)比較的情況這個(gè)方法就要大打折扣。??如圖１．４所示，左邊兩幅圖像對(duì)就是基于粗糙的視覺(jué)比較，而右邊的就是基于精??細(xì)的視覺(jué)比較，咋一看，很難對(duì)右邊的圖像對(duì)進(jìn)行視覺(jué)比較。于是，....

圖２．３排序函數(shù)的差別??Ｆｉｇ．?２．３?Ｔｈｅ?ｄｉｆｆｅｒｅｎｃｅ?ｏｆ?ｒａｎｋ?ｆｕｎｃｔｉｏｎｓ??

的差值來(lái)訓(xùn)練模型。在最小誤差的原則下，我們采用牛頓法［８（）］來(lái)進(jìn)行求解這一??訓(xùn)練模型。通過(guò)最大化或者最小化丨丨叫ＪＩ來(lái)學(xué)習(xí)最后的排序函數(shù)。例如，??Ｗ＾ｍＷ??如圖２．３所示，若分別采用兩個(gè)投影向量叫和叫來(lái)確定圖中的４個(gè)點(diǎn)之間的排序??關(guān)系，由于通過(guò)計(jì)算得到的投影向量之間的差....

本文編號(hào)：3920344