本文關(guān)鍵詞：基于開放邏輯的圖像語義標注方法初探，由筆耕文化傳播整理發(fā)布。

文檔介紹：
【精品】畢業(yè)論文優(yōu)秀畢業(yè)論文本科論文專業(yè)學術(shù)論文參考文獻資料邏輯學專業(yè)優(yōu)秀論文基于開放邏輯的圖像語義標注方法初探關(guān)鍵詞:圖像檢索開放邏輯圖像語義標注方法推理系統(tǒng)摘要:互聯(lián)網(wǎng)圖像信息數(shù)據(jù)量的增長迫使我們要開發(fā)出更有效率的圖像檢索技術(shù)。目前,最簡單和便利的網(wǎng)上檢索方式是通過提供文本語義信息,由用戶輸入交互式查詢頁面進行檢索。然而,在語義層面上的圖像自動匹配尚未有令人滿意的解決方案。現(xiàn)有的圖像檢索方案可分為兩大類,基于文本的圖像檢索(TBIR)和基于內(nèi)容的圖像檢索。TBIR具有語義相關(guān)性,它體現(xiàn)在圖像和他所處的背景文本之間的確有語義上的聯(lián)系;CBIR是語義無關(guān)的,除非我們給某個圖像特征人工指定一個語義標簽。這兩種數(shù)據(jù)都不適合與互聯(lián)網(wǎng)語義檢索引擎所需應(yīng)對的不斷增長的海量數(shù)據(jù)。TBIR提取的信息太有限,會影響對背景信息的解讀從而降低檢索結(jié)果的精確性;CBIR處理的僅僅是圖像特征的相似性問題,它仍然需要一個將語義同圖像自動準確對應(yīng)的機制,而這種機制只是在理論上可行。顯然,由于技術(shù)上的局限,僅僅依靠TBIR或是CBIR,甚至是兩者的簡單綜合,都無法完成這個龐大的任務(wù)。但我們觀察到,CBIR方法有數(shù)據(jù)友好的重要特點,它作為一個圖像分析工具來說是必需的:而... 內(nèi)容來自轉(zhuǎn)載請標明出處.

  本文關(guān)鍵詞：基于開放邏輯的圖像語義標注方法初探，，由筆耕文化傳播整理發(fā)布。