本文選題：深度學(xué)習(xí)　切入點(diǎn)：計(jì)算機(jī)視覺　出處：《哈爾濱工業(yè)大學(xué)》2017年碩士論文

【摘要】：近年來(lái),對(duì)于深度學(xué)習(xí)(Deep Learning,DL)技術(shù)逐漸引起工業(yè)界及學(xué)術(shù)界的廣泛關(guān)注討論,一方面相比傳統(tǒng)機(jī)器學(xué)習(xí)模型,深度學(xué)習(xí)具備更強(qiáng)的表達(dá)能力,因而可以捕獲更深層次的信息,從而取得更高的精度,另一方面,在計(jì)算機(jī)視覺領(lǐng)域,深度學(xué)習(xí)模型具備的自動(dòng)對(duì)圖像特征進(jìn)行規(guī)約抽象的能力也逐漸取代了傳統(tǒng)的基于經(jīng)驗(yàn)的手工提取特征流程,降低了技術(shù)的門檻。自從2012年大放異彩至今,深度學(xué)習(xí)在計(jì)算機(jī)視覺領(lǐng)域及自然語(yǔ)言處理領(lǐng)域帶來(lái)了一波又一波的浪潮,然而對(duì)于二者的交叉領(lǐng)域研究成果還比較有限,對(duì)于需要同時(shí)考慮圖片信息及文本信息的業(yè)務(wù)場(chǎng)景深度學(xué)習(xí)仍有巨大的發(fā)揮潛力,本課題主要做了以下幾方面的工作:(1)介紹了本課題的背景及研究意義,闡述了本課題使用深度學(xué)習(xí)算法的必要性,并簡(jiǎn)單概括總結(jié)了計(jì)算機(jī)視覺及自然語(yǔ)言處理的研究?jī)?nèi)容及發(fā)展歷史;(2)針對(duì)深度學(xué)習(xí)在計(jì)算機(jī)視覺及自然語(yǔ)言處理領(lǐng)域的主要模型展開分析,對(duì)比了兩個(gè)領(lǐng)域中一些常用的模型及其優(yōu)缺點(diǎn),為本課題的模型設(shè)計(jì)研究提供了啟發(fā)參考。(3)從圖片搜索日志中挖掘出了用于訓(xùn)練模型的高質(zhì)量圖片文本對(duì)數(shù)據(jù),為本課題提供了數(shù)據(jù)基礎(chǔ),并設(shè)計(jì)實(shí)現(xiàn)了基于深度學(xué)習(xí)的圖文相關(guān)性模型,同時(shí)針對(duì)模型細(xì)節(jié)進(jìn)行優(yōu)化,在驗(yàn)證集數(shù)據(jù)上測(cè)試模型效果。(4)本課題最終設(shè)計(jì)并提出了一個(gè)基于深度學(xué)習(xí)的圖文相關(guān)性模型,為需要對(duì)圖片與文字考量匹配度的場(chǎng)景提供了便利,并成功在圖片搜索業(yè)務(wù)場(chǎng)景下發(fā)揮作用,有效提高了圖片搜索引擎的排序能力,為用戶帶來(lái)了更好的搜索體驗(yàn),這也更進(jìn)一步佐證了深度學(xué)習(xí)模型在工業(yè)界的強(qiáng)大威力。
[Abstract]:This paper introduces the background and significance of deep learning in the field of computer vision and natural language processing .

【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.41;TP181;TP391.1

【參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 陳威;緱錦;;采用Haar小波與Gabor小波特征的級(jí)聯(lián)式人臉檢測(cè)方法[J];華僑大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年05期

2 丁怡心;廖勇毅;;高斯模糊算法優(yōu)化及實(shí)現(xiàn)[J];現(xiàn)代計(jì)算機(jī)(專業(yè)版);2010年08期

3 趙志宏;楊紹普;馬增強(qiáng);;基于卷積神經(jīng)網(wǎng)絡(luò)LeNet-5的車牌字符識(shí)別研究[J];系統(tǒng)仿真學(xué)報(bào);2010年03期

4 袁春蘭;熊宗龍;周雪花;彭小輝;;基于Sobel算子的圖像邊緣檢測(cè)研究[J];激光與紅外;2009年01期

5 竇建軍,文俊,劉重慶;基于顏色直方圖的圖像檢索技術(shù)[J];紅外與激光工程;2005年01期

6 伯曉晨,劉建平;基于顏色直方圖的圖象檢索[J];中國(guó)圖象圖形學(xué)報(bào);1999年01期

，

本文編號(hào)：1675860