本文關(guān)鍵詞：基于全局和局部深度特征的圖像重排序方法研究

  更多相關(guān)文章： 基于圖模型的圖片重排序算法 VisualRank 深度卷積神經(jīng)網(wǎng)絡(luò) 全局特征與局部特征

【摘要】：圖像檢索重排序是圖像檢索的一個(gè)重要環(huán)節(jié)。在大多數(shù)圖像檢索系統(tǒng)中,用戶提供查詢文本,檢索系統(tǒng)通過從附屬于圖片的元數(shù)據(jù)中提取文本信息與查詢文本進(jìn)行匹配,將匹配度高的圖片返回給用戶。這種方法只分析了文本信息,圖片本身包含的視覺信息以及返回圖片之間在視覺上的聯(lián)系并沒有被充分利用起來。因此,圖像重排序通過提取圖片的視覺信息并分析圖片間的視覺關(guān)聯(lián),對圖片序列進(jìn)一步優(yōu)化,極大地提高查詢性能。圖像重排序研究有兩個(gè)重要因素:視覺特征提取和重排序模型構(gòu)建�；趫D模型的圖片重排序算法具有良好的性能。此類算法將每張圖片看作一個(gè)節(jié)點(diǎn),節(jié)點(diǎn)之間的權(quán)重代表圖片間的鄰接關(guān)系,通常使用視覺相似度表達(dá)鄰接關(guān)系。圖片間的鄰接關(guān)系迭代地在整個(gè)圖網(wǎng)絡(luò)中傳播。傳播達(dá)到穩(wěn)定時(shí),與周圍圖片共享較高視覺相似度(受歡迎)的圖片將獲得較高得分。由于大多數(shù)基于圖的方法側(cè)重通過分析圖片間的視覺一致性來達(dá)到重排序的目的。這使得這類算法沒有充分發(fā)揮那些與查詢極可能相關(guān)(偽相關(guān))的圖片的作用。因此,本課題試圖改善傳統(tǒng)圖模型重排序算法的這個(gè)問題,提出一種改進(jìn)的VisualRank算法,使其能夠充分發(fā)揮偽相關(guān)圖片的作用,從而達(dá)到更好的排序結(jié)果。圖像重排序的另一個(gè)重要的因素是圖像特征的提取。深度卷積神經(jīng)網(wǎng)絡(luò)(Deep Convolutional Neural Network,DCNN)被廣泛應(yīng)用于計(jì)算機(jī)視覺的各個(gè)方面,如圖像分類、圖像檢索。DCNN網(wǎng)絡(luò)不同層的特征表達(dá)的圖片信息的側(cè)重點(diǎn)有所不同。淺層特征側(cè)重表達(dá)圖片的邊緣、形狀等細(xì)節(jié)信息但包含許多噪聲;隨著層數(shù)增加,圖片的一部分細(xì)節(jié)信息被丟棄,特征表達(dá)的信息更加抽象。高層特征(如全連接層)對于圖像分類而言,由于能夠準(zhǔn)確表達(dá)圖像的語義信息,而物體類別也屬于語義信息,因此非常合適。但對于圖像檢索問題,圖片不僅需要具有相似的語義信息,也希望圖片在視覺上具有一定相似性。高層DCNN特征損失掉了太多局部信息,無法較好地度量圖片的視覺相似度。因此,將卷積層特征應(yīng)用到圖像檢索中可以彌補(bǔ)僅使用全連階層特征時(shí)導(dǎo)致的局部信息缺失的問題。因此,本課題希望將由多層卷積神經(jīng)網(wǎng)絡(luò)(DCNN)構(gòu)造的特征應(yīng)用于圖像重排序,通過實(shí)驗(yàn)分析不同層特征的性能特點(diǎn),設(shè)計(jì)更加完善的圖像重排序算法。
【學(xué)位授予單位】：中國科學(xué)技術(shù)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP391.41

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 H.Meerkamm,St.Sander,R.-D.Kasan,陳巍;一個(gè)建立特征圖書庫的方案[J];工程設(shè)計(jì)學(xué)報(bào);2001年04期

2 陳佳;;基于眼睛特征圖的眼睛檢測系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J];南陽師范學(xué)院學(xué)報(bào);2008年06期

3 魏永偉;曹娟;汪國昭;;平面三次混合雙曲多項(xiàng)式曲線的特征圖判別[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2010年05期

4 汪洋;魯加國;;基于極化特征圖的定標(biāo)精度應(yīng)用需求分析[J];微波學(xué)報(bào);2009年02期

5 孫正興，丁秋林;基于特征的CAD／CAM集成技術(shù)評述與研究[J];計(jì)算機(jī)應(yīng)用;1994年06期

6 祝國旺;鐘毅芳;周濟(jì);余俊;;零件形狀特征圖樹分解原理及應(yīng)用[J];交通與計(jì)算機(jī);1993年02期

7 王變琴;余順爭;;自適應(yīng)網(wǎng)絡(luò)應(yīng)用特征發(fā)現(xiàn)方法[J];通信學(xué)報(bào);2013年04期

8 段冠新;;在SolidWorks中庫特征的創(chuàng)建和使用[J];機(jī)械工人.冷加工;2006年02期

9 葛江華,隋秀凜,鄒世浩;基于特征的電站閥門CAD/CAPP/CAM集成系統(tǒng)[J];哈爾濱理工大學(xué)學(xué)報(bào);2002年02期

10 李凈凈;張基宏;梁永生;;視覺注意模型中權(quán)值估計(jì)與特征整合[J];深圳信息職業(yè)技術(shù)學(xué)院學(xué)報(bào);2012年03期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前2條

1 宋鈞才;;再論棉花色特征的綜合評定兼論中國棉花色特征圖[A];山東紡織工程學(xué)會(huì)十二屆第二次優(yōu)秀論文評選獲獎(jiǎng)?wù)撐募痆C];2011年

2 張光智;徐祥德;楊元琴;王繼志;卞林根;;北京大霧過程的熱力和動(dòng)力結(jié)構(gòu)特征[A];中國氣象學(xué)會(huì)2005年年會(huì)論文集[C];2005年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前4條

1 楊凡;基于層次特征的視覺注意模型研究[D];華中科技大學(xué);2016年

2 魏艾;基于全局和局部深度特征的圖像重排序方法研究[D];中國科學(xué)技術(shù)大學(xué);2017年

3 賀崢嶸;極化SAR影像特征分析與地物目標(biāo)分類研究[D];解放軍信息工程大學(xué);2011年

4 陳超;基于個(gè)人微博特征的Timeline生成研究[D];內(nèi)蒙古科技大學(xué);2015年

，

本文編號：1294326