圖像識別中的中間層語義特征學習研究.pdf

1、移動電子終端和4G互聯網的高速發(fā)展給予了人們在日常生活中使用互聯網應用的極大便利，與此同時，目前的數字信息采集設備的數據處理能力也進一步加強，常用的社交工具已經能夠支持大量并且較為復雜的圖像與視頻處理過程，這也增加了人們在日常生活中對圖像以及視頻數據的依賴。為了提高圖像/視頻數據的可使用性，需要計算機對這些數據進行有效分析，這也是海量數據理解中一個亟待解決的問題。
　　圖像和視頻數據分析中最大的難點在于對其語義內容的理解。在圖像語

2、義理解三層模型（視覺層、對象層和概念層）中，視覺層特征很難滿足目前圖像語義理解的需求，而概念層語義信息作為圖像理解的目標，直接學習獲取比較困難。本文重點關注圖像的中間層語義特征學習，并從語義上下文特征和語義圖像塊兩個方面進行了相關研究。
　　首先，本文提出了一種基于多層特征表示的視頻語義概念檢測方法。在這種方法中本文考慮學習底層特征之間的潛在關聯性，具體使用主題模型(LDA)學習圖像的底層特征之間的語義上下文關系，作為圖像的上下文

3、語義信息，同時考慮一種有效的基于底層特征的全局編碼方式，即費舍爾向量，學習基于底層特征的圖像全局特征表示，并在最終的圖像特征表示中對這兩種特征進行融合。本文通過語義概念檢測實驗來驗證這種方法的有效性。
　　其次，本文還提出了一種自頂而下的中間層語義特征學習方法。這份工作中的關注重點是底層特征之間的共現特性，并考慮使用模式挖掘算法對這種共現特征進行挖掘作為圖像的中間層語義特征，在實驗中具體使用最優(yōu)模式模型學習算法。本文首先從輸入圖像