基于深度學(xué)習(xí)的圖像語義理解和分類研究.pdf

1、隨著當(dāng)今社會(huì)互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，以及圖像多媒體等設(shè)備的流行，越來越多的人開始在網(wǎng)絡(luò)上發(fā)表、下載和共享圖像資源，以圖像數(shù)據(jù)為代表的多媒體視覺信息量日益劇增。因此，如何對(duì)目前存在的海量圖像信息進(jìn)行有效而準(zhǔn)確的分類管理和信息標(biāo)注是亟待解決的技術(shù)難題與研究熱點(diǎn)。
　　傳統(tǒng)的圖像分類方法中，大多數(shù)根據(jù)人為定義的規(guī)則來對(duì)原始圖像數(shù)據(jù)進(jìn)行處理計(jì)算得到相應(yīng)的特征矩陣;而深度學(xué)習(xí)算法則通過對(duì)計(jì)算機(jī)的訓(xùn)練過程來自動(dòng)學(xué)習(xí)特征。因此，本文提出了一種改進(jìn)

2、的Softmax回歸模型與基于線性解碼器深度神經(jīng)網(wǎng)絡(luò)相結(jié)合的圖像分類算法。首先，通過基于線性解碼器的神經(jīng)網(wǎng)絡(luò)訓(xùn)練得到局部小圖像的特征，再通過卷積、池化得到原始大圖像的特征矩陣;其次，通過傳統(tǒng)特征提取算法得到圖像的顏色和紋理特征;然后結(jié)合這兩類圖像特征對(duì)參數(shù)優(yōu)化后的Softmax回歸模型進(jìn)行訓(xùn)練并結(jié)合距離度量完成圖像分類，得到最終分類結(jié)果。
　　在實(shí)驗(yàn)結(jié)果的對(duì)比分析中，采用查準(zhǔn)率、查全率作為評(píng)價(jià)指標(biāo)，驗(yàn)證了基于深度學(xué)習(xí)的圖像語義理解