目前購(gòu)物網(wǎng)站的圖像檢索方式多是基于文本關(guān)鍵字的。商家將商品的名稱、尺寸和價(jià)格等信息通過(guò)關(guān)鍵字標(biāo)注出來(lái),這種標(biāo)注方法工作量大而且難以描述出商品的全部特征。雖然有的學(xué)者利用深度學(xué)習(xí)網(wǎng)絡(luò)對(duì)商品圖像進(jìn)行分類(lèi),但是由于樣本數(shù)量小,特征識(shí)別效果不好等原因?qū)е路诸?lèi)準(zhǔn)確率并不高。本文利用卷積神經(jīng)網(wǎng)絡(luò)提出了基于圖像本身的特征提取和分類(lèi)方法,所做的主要工作如下:（1）總結(jié)了國(guó)內(nèi)外有關(guān)圖像分類(lèi)領(lǐng)域的研究現(xiàn)狀和方法。通過(guò)閱讀大量的與圖像分類(lèi)相關(guān)的文獻(xiàn),分析了目前圖像分類(lèi)方法的問(wèn)題和局限性。同時(shí)對(duì)這些方法進(jìn)行相應(yīng)的總結(jié)和比對(duì),最后確立了本課題的研究方向和方法。（2）介紹了深度學(xué)習(xí)的相關(guān)基礎(chǔ)理論。詳述了深度學(xué)習(xí)領(lǐng)域的常用網(wǎng)絡(luò)模型,包括深度自編碼神經(jīng)網(wǎng)絡(luò)、深度置信網(wǎng)絡(luò)、受限玻爾茲曼機(jī)以及卷積神經(jīng)網(wǎng)絡(luò)。概述了卷積神經(jīng)網(wǎng)絡(luò)的相關(guān)基礎(chǔ)理論和常用網(wǎng)絡(luò)模塊,包括卷積層、池化層、激活函數(shù)、Softmax分類(lèi)器、歸一化和Dropout策略等。提出了通過(guò)計(jì)算每一個(gè)卷積層的卷積核容量和覆蓋率來(lái)評(píng)估網(wǎng)絡(luò)分類(lèi)效果的方法。最后介紹了深度學(xué)習(xí)框架Caffe,配置編譯并運(yùn)行了Minist和Cifar-10標(biāo)準(zhǔn)數(shù)據(jù)集。（3）設(shè)計(jì)了一個(gè)深層的卷積... 

【文章來(lái)源】：山東師范大學(xué)山東省

【文章頁(yè)數(shù)】：58 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

基于文本標(biāo)注的商品圖像檢索

山東師范大學(xué)碩士學(xué)位論文類(lèi)[3]是指對(duì)圖像所反映出來(lái)的不同特征的信息進(jìn)行一系列的數(shù)學(xué)運(yùn)中的每個(gè)像素或區(qū)域進(jìn)行分析從而得到圖像的特征表達(dá)，進(jìn)而劃類(lèi)別的分類(lèi)問(wèn)題。圖像分類(lèi)包括三個(gè)部分：圖像中感興趣區(qū)域的和分類(lèi)器模塊。理中的感興趣區(qū)域（Region of Interest, ROI）是指用方框或多邊形區(qū)域，通常是利用 Matlab 或者 OpenCV 等圖像處理軟件中的函數(shù)興趣區(qū)域是后續(xù)圖像處理的重點(diǎn)，選取感興趣區(qū)域能夠減少圖像同時(shí)濾除背景、圖像噪聲等干擾，提高圖像分類(lèi)的準(zhǔn)確率。圖 1-中的待處理圖片感興趣區(qū)域的示例圖，紅色方框框出待訓(xùn)練服景干擾便于提高訓(xùn)練準(zhǔn)確率。

[30]在《Science》雜志上首次發(fā)表文章提通過(guò)抽象的神經(jīng)網(wǎng)絡(luò)(Neural Network, NN制模擬從而實(shí)現(xiàn)對(duì)文本、語(yǔ)音和圖像的抽學(xué)習(xí)框架下進(jìn)行最終整合。絡(luò)結(jié)構(gòu)特點(diǎn)能夠有效地處理和分析復(fù)雜的器，在低層網(wǎng)絡(luò)檢測(cè)數(shù)據(jù)的簡(jiǎn)單特征，反度學(xué)習(xí)算法的主要核心思想是通過(guò)多個(gè)非表達(dá)。也即把第 N 層的輸出作為第 N+行分層表達(dá)。通常深度學(xué)習(xí)網(wǎng)絡(luò)的隱藏層深度，圖 2-1 所示為深度學(xué)習(xí)網(wǎng)絡(luò)模型

【參考文獻(xiàn)】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的圖像分類(lèi)研究[J]. 楊瑩,張海仙.  現(xiàn)代計(jì)算機(jī)(專業(yè)版). 2016(05)
[2]基于稀疏自編碼深度神經(jīng)網(wǎng)絡(luò)的林火圖像分類(lèi)[J]. 王勇,趙儉輝,章登義,葉威.  計(jì)算機(jī)工程與應(yīng)用. 2014(24)
[3]基于深度學(xué)習(xí)的電子病歷中實(shí)體關(guān)系抽取[J]. 吳嘉偉,關(guān)毅,呂新波.  智能計(jì)算機(jī)與應(yīng)用. 2014(03)
[4]深度學(xué)習(xí)研究進(jìn)展[J]. 劉建偉,劉媛,羅雄麟.  計(jì)算機(jī)應(yīng)用研究. 2014(07)
[5]玻爾茲曼機(jī)研究進(jìn)展[J]. 劉建偉,劉媛,羅雄麟.  計(jì)算機(jī)研究與發(fā)展. 2014(01)
[6]基于類(lèi)詞包技術(shù)的圖像分類(lèi)算法[J]. 賈世杰,鄒娟,王茹香.  化工自動(dòng)化及儀表. 2012(11)
[7]基于主動(dòng)學(xué)習(xí)和半監(jiān)督學(xué)習(xí)的多類(lèi)圖像分類(lèi)[J]. 陳榮,曹永鋒,孫洪.  自動(dòng)化學(xué)報(bào). 2011(08)
[8]基于互補(bǔ)特征和類(lèi)描述的商品圖像自動(dòng)分類(lèi)[J]. 賈世杰,孔祥維,付海燕,金光.  電子與信息學(xué)報(bào). 2010(10)

博士論文
[1]基于空間關(guān)系的圖像檢索與分類(lèi)研究[D]. 楊同峰.山東大學(xué) 2013

碩士論文
[1]基于內(nèi)容的商品圖像分類(lèi)技術(shù)研究[D]. 楊楠.大連理工大學(xué) 2011



本文編號(hào)：3370454