圖像標注技術（Image Caption）有著非常重要的移動端應用價值,能夠為移動應用軟件帶來新的功能并增加用戶的體驗。深度學習模型在移動端的應用,要考慮移動設備網(wǎng)絡連接的穩(wěn)定性。此外,圖像標注模型這樣結構復雜的神經(jīng)網(wǎng)絡模型會占據(jù)較多的移動設備存儲空間,使用傳統(tǒng)的方法精簡模型,會引起模型精度的降低。最后,受移動設備運算速度的限制,復雜的神經(jīng)網(wǎng)絡模型難以在移動設備上快速運算。針對這些問題,本文基于移動計算環(huán)境,研究圖像標注技術實現(xiàn)的方法。主要內容包括:1.針對移動設備網(wǎng)絡連接不穩(wěn)定的問題,本文提出在移動端本地運行圖像標注技術的神經(jīng)網(wǎng)絡模型。該方法能夠在移動設備無網(wǎng)絡連接時,依然實現(xiàn)對圖像的標注,并且響應時間快,實時性好。2.針對在移動設備上運行神經(jīng)網(wǎng)絡模型造成精度下降和運行速度慢的問題,本文提出利用深度學習開發(fā)框架Keras與Core ML來開發(fā)移動端的圖像標注模型,該方法能夠在保證模型的精度和運算速度的情況下,實現(xiàn)圖像標注技術在移動設備上的應用。最后本文在實驗中成功實現(xiàn)了圖像標注技術在iOS移動端的應用。對比實驗的結果表明:通過Core ML對移動計算的優(yōu)化,模型在移動設備上對圖像描述... 

【文章來源】：云南大學云南省 211工程院校

【文章頁數(shù)】：54 頁

【學位級別】：碩士

【部分圖文】：

模型轉化為CoreML格式后的輸入輸出信息

逛街的照片

宿舍成員合照


本文編號：3482732