針對目前圖像編碼的研究工作更加重視信息無損性,而沒有體現(xiàn)出社交網(wǎng)絡(luò)圖像區(qū)分度的問題,本研究提出一種新穎的基于深度卷積神經(jīng)網(wǎng)絡(luò)的社交網(wǎng)絡(luò)圖像自編碼算法,將深度卷積神經(jīng)網(wǎng)絡(luò)提取特征的能力與社交網(wǎng)絡(luò)中圖像的特點相結(jié)合,得到性能良好的圖像自編碼。結(jié)合社交網(wǎng)絡(luò)圖片的特性與聚類算法,先將圖片進(jìn)行聚類得到距離信息,再利用深度卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)圖片的距離信息,提取深度卷積神經(jīng)網(wǎng)絡(luò)中的全連接層作為編碼,重復(fù)以上步驟,并得到最終的圖像編碼。試驗結(jié)果表明,本研究提出的算法在圖像搜索中的效果好于其他算法,更利于在社交網(wǎng)絡(luò)圖像搜索中使用。 

【文章來源】：山東大學(xué)學(xué)報(工學(xué)版). 2019年02期 北大核心

【文章頁數(shù)】：7 頁

【文章目錄】：
0 引言
1 相關(guān)工作
2 基于深度卷積神經(jīng)網(wǎng)絡(luò)的社交網(wǎng)絡(luò)圖像自編碼算法
    2.1 社交網(wǎng)絡(luò)圖像距離信息的提取
    2.2 深度卷積神經(jīng)網(wǎng)絡(luò)編碼學(xué)習(xí)與生成
3 試驗結(jié)果與分析
    3.1 試驗方法以及客觀評價指標(biāo)
    3.2 DCNNSE在圖像搜索應(yīng)用中的準(zhǔn)確率對比與分析
4 結(jié)語


【參考文獻(xiàn)】：
碩士論文
[1]大規(guī)模人臉圖像編碼及其在人臉驗證中的應(yīng)用研究[D]. 謝易道.電子科技大學(xué) 2015
[2]基于Context建模的熵編碼在無失真圖像壓縮中的應(yīng)用[D]. 張峰.云南大學(xué) 2015



本文編號：2957919