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56頁未讀, 繼續(xù)免費閱讀

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),請進行舉報或認(rèn)領(lǐng)

文檔簡介

1、隨著數(shù)碼攝像設(shè)備的普及和社交網(wǎng)絡(luò)的流行,每天有數(shù)以萬計的數(shù)字圖像被上傳到互聯(lián)網(wǎng)上并分享。正所謂一圖勝千言,海量圖像數(shù)據(jù)中蘊藏著豐富的信息資源有待我們?nèi)グl(fā)掘,而對這些圖像進行有效的管理和利用的前提是要對圖像進行語義標(biāo)注。但互聯(lián)網(wǎng)上大部分圖片本身不具有語義標(biāo)簽,有語義標(biāo)簽的圖片又存在著標(biāo)簽錯誤或者標(biāo)簽不完整等問題,加之人工圖像標(biāo)注代價較高、難以大規(guī)模使用,圖像語義自動標(biāo)注(Automatic Image Annotation,AIA)一直是

2、近十年來的熱門研究課題,引起了學(xué)術(shù)界、工業(yè)界的廣泛關(guān)注。
  圖像標(biāo)注面臨的最大挑戰(zhàn)來自于高層語義和底層圖像視覺特征之間的不匹配,即所謂的“語義鴻溝”。近年來研究者們提出了很多方法嘗試跨越語義鴻溝,這些方法大致可以分為兩類:其中一類為視覺特征學(xué)習(xí)技術(shù),主要關(guān)注多種圖像特征如何綜合使用;另一類方法是語義上下文建模技術(shù),主要利用了高層語義概念之間的相關(guān)信息。相比之前的標(biāo)注模型,這兩類方法都在標(biāo)注效果上取得了較顯著的提高。如果能進一步將

3、兩者結(jié)合起來,圖像標(biāo)注準(zhǔn)確性應(yīng)該能得到進一步的提升,然而據(jù)我們所知,目前幾乎沒有工作嘗試整合這兩種方法。
  本文提出了一個基于條件隨機場(Conditional Random Fields,CRF)的統(tǒng)一模型——“核條件隨機場(Kemelized Conditional Random Fields,KCRF)”模型,將稀疏多距離學(xué)習(xí)和語義上下文建模融合到一個框架中,在底層圖像特征學(xué)習(xí)和語義上下文建模之間建立了緊密的相互作用。具體

4、來講,CRF負責(zé)建模圖像語義上下文關(guān)系,在CRF的大框架下我們通過引入核Logistic回歸(KemelizedLogistic Regression,KLR)[17]實現(xiàn)了多視覺距離學(xué)習(xí)。我們分別為語義上下文參數(shù)和多距離學(xué)習(xí)參數(shù)使用L2正則化項和L1正則化項。語義上下文參數(shù)和多距離學(xué)習(xí)參數(shù)在統(tǒng)一的框架下同時學(xué)習(xí)得到。
  我們在兩個公用數(shù)據(jù)集—— Corel5k和TRECVID2005——上進行了系統(tǒng)的實驗,驗證KCRF模型的標(biāo)

5、注性能。從實驗結(jié)果可以看出,KCRF模型比目前較先進的多特征學(xué)習(xí)、語義上下文建模等圖像標(biāo)注模型在標(biāo)注準(zhǔn)確度上有比較明顯的提高。實驗同時證明了KCRF的性能提升來自于上下文建模和多距離學(xué)習(xí)的結(jié)合,而非來自于單獨一種方法。另外,當(dāng)圖像特征的數(shù)量較多時,KCRF模型也表現(xiàn)得更加穩(wěn)定。
  本文還基于較成熟、有效的上下文建模方法實現(xiàn)了一個具有交互功能的圖像語義自動標(biāo)注系統(tǒng)。該系統(tǒng)操作簡單,能夠?qū)τ脩羯蟼鞯膱D像實現(xiàn)批量式的有效的語義標(biāo)注,也

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空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(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, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論