2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩110頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、隨著社會(huì)媒體的興起,海量的多媒體數(shù)據(jù)在互聯(lián)網(wǎng)上涌現(xiàn)。多媒體數(shù)據(jù)的快速增長給海量媒體數(shù)據(jù)的分析、理解和檢索帶來了巨大挑戰(zhàn)。挖掘媒體數(shù)據(jù)內(nèi)部蘊(yùn)含的豐富結(jié)構(gòu)信息將有助于揭示數(shù)據(jù)與數(shù)據(jù)間的相互關(guān)系,從而幫助人們更好的處理海量媒體數(shù)據(jù),從容應(yīng)對(duì)這一挑戰(zhàn)。在本論文中,將進(jìn)一步對(duì)基于結(jié)構(gòu)化信息的圖像內(nèi)容分析和理解技術(shù)進(jìn)行深入研究。為此,擬從高中低三個(gè)層次入手,圍繞圖像分析和理解中的四個(gè)關(guān)鍵問題:場(chǎng)景中的目標(biāo)檢測(cè)、目標(biāo)物體的聚類、目標(biāo)物體的語義預(yù)測(cè)與理

2、解、以及基于目標(biāo)物體的圖像檢索和加密來開展工作。將首先挖掘高層語義間的結(jié)構(gòu)化信息,主要是指通過挖掘物體的類別、屬性等高層語義信息間存在的特定結(jié)構(gòu)來解決圖像檢索,物體檢測(cè)等問題。其次是挖掘中層圖像間的結(jié)構(gòu)化信息,主要是指探索多張非相關(guān)圖像間內(nèi)容上的耦合關(guān)系,以期獲得更好的圖像加密算法。最后是挖掘低層特征間的結(jié)構(gòu)化信息,主要是指在區(qū)域標(biāo)注,顯著性檢測(cè)等問題中加入圖像特征間的結(jié)構(gòu)化先驗(yàn)信息來提升相關(guān)算法的性能。具體而言,本論文的研究內(nèi)容和創(chuàng)新

3、點(diǎn)包括:
  1)在挖掘高層語義結(jié)構(gòu)化信息方面,包括三個(gè)工作。第一個(gè)工作把圖像中物體的超類、類別、以及屬性信息以分層樹形結(jié)構(gòu)來組織,構(gòu)造一個(gè)樹形結(jié)構(gòu)的語義單元,并提出了基于結(jié)構(gòu)化支持向量機(jī)的預(yù)測(cè)模型,從而對(duì)未知物體的語義信息進(jìn)行結(jié)構(gòu)化的預(yù)測(cè)輸出,該工作解決了現(xiàn)存語義預(yù)測(cè)模型信息單一問題,有助于進(jìn)一步彌補(bǔ)圖像檢索中的語義鴻溝現(xiàn)象。在此基礎(chǔ)上,第二個(gè)工作在多個(gè)樹形結(jié)構(gòu)語義單元之間加入了物體間的空間信息,從而構(gòu)造一個(gè)帶葉子的三角形結(jié)構(gòu)來

4、對(duì)圖像進(jìn)行描述,并用此結(jié)構(gòu)解決結(jié)構(gòu)化圖像檢索問題。該工作豐富了當(dāng)前圖像檢索的輸入形式,有助于進(jìn)一步實(shí)現(xiàn)用戶的檢索意圖。第三個(gè)工作提出了一種基于物體類別、位置、尺度信息的高階上下文描述符,該描述符通過融合多個(gè)上下文源以及物體間的高階關(guān)系來判斷物體檢測(cè)算法輸出的候選物體是否符合圖片的上下文信息,從而濾除錯(cuò)誤檢測(cè),保留正確檢測(cè)。該描述符首次把多源上下文信息和高階關(guān)系統(tǒng)一到一個(gè)理論框架中,有效提升了物體檢測(cè)的正確率。
  2)在挖掘中層圖

5、像結(jié)構(gòu)化信息方面,認(rèn)為任意兩張或多張不相關(guān)圖像間存在耦合關(guān)系,并且是可以相互轉(zhuǎn)換的。為此,提出了一種基于耦合字典學(xué)習(xí)和壓縮感知技術(shù)的圖像重建算法。該算法在保證圖像質(zhì)量的前提下先對(duì)兩張或多張不相關(guān)圖像進(jìn)行編碼,之后給定任意一張編碼圖像,可對(duì)另外一張圖像進(jìn)行重建。該算法可用于解決圖像加密問題,與傳統(tǒng)的加密算法相比,提出的解決方法不需要在封面圖像中嵌入任何數(shù)據(jù),可大大提高傳輸過程中秘密數(shù)據(jù)的安全性。
  3)在挖掘低層特征結(jié)構(gòu)化信息方面

6、,也同樣包括三個(gè)工作。第一個(gè)工作使用張量表示人臉圖像,并提出了基于張量分析的魯棒人臉聚類算法。與傳統(tǒng)使用向量表示法相比,張量可以很好的保留人臉圖像中的結(jié)構(gòu)化信息。此外,該工作可有效濾除人臉圖像中存在的各種噪聲,相比傳統(tǒng)人臉聚類算法更加的魯棒。在第二個(gè)工作中,挖掘區(qū)域標(biāo)注過程中特征點(diǎn)、區(qū)域、圖像之間存在的樹形結(jié)構(gòu)關(guān)系,并融合此樹形關(guān)系進(jìn)結(jié)構(gòu)化稀疏表示理論框架中,有效的提升了區(qū)域標(biāo)注算法的準(zhǔn)確率。第三個(gè)工作挖掘顯著性檢測(cè)過程中圖像間的結(jié)構(gòu)化

7、信息,并結(jié)合D-S證據(jù)理論提出了結(jié)構(gòu)化的顯著性檢測(cè)算法。所提算法簡(jiǎn)單,有效,不需要訓(xùn)練過程。可作為后處理步驟提升現(xiàn)有顯著性檢測(cè)算法的性能。
  在以上這些工作中,基于結(jié)構(gòu)化信息的顯著性區(qū)域檢測(cè)算法和基于多源信息的高階上下文描述符用于解決場(chǎng)景中的目標(biāo)檢測(cè)問題;基于張量分析的魯棒人臉聚類算法用于解決目標(biāo)物體的聚類問題;基于結(jié)構(gòu)化信息的語義標(biāo)注和基于樹形結(jié)構(gòu)的增廣圖像描述算法用于解決目標(biāo)物體的語義預(yù)測(cè)與理解問題;結(jié)構(gòu)化的圖像檢索和有意義

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論