基于對(duì)象深度特征融合的圖像表征方法研究.pdf

1、在互聯(lián)網(wǎng)大數(shù)據(jù)時(shí)代中，相對(duì)于文字來(lái)說(shuō)，圖像包含豐富的內(nèi)容信息且具有更加直觀的表達(dá)方式，使得圖像逐漸成為大數(shù)據(jù)中不可缺少的一部分。但是圖像數(shù)據(jù)相對(duì)于文本和音頻數(shù)據(jù)更加龐大復(fù)雜。因此如何讓計(jì)算機(jī)更加有效的組織和利用這些圖像數(shù)據(jù)成為當(dāng)下的一個(gè)研究熱點(diǎn)。
　　目前，借助于硬件設(shè)備的發(fā)展和大數(shù)據(jù)的出現(xiàn)，卷積神經(jīng)網(wǎng)絡(luò)在計(jì)算機(jī)視覺(jué)領(lǐng)域的各個(gè)應(yīng)用中取得了巨大的成功。與人工設(shè)計(jì)的傳統(tǒng)視覺(jué)特征相比，基于學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)能夠從大數(shù)據(jù)中自動(dòng)學(xué)習(xí)到視覺(jué)特

2、征，并且可以針對(duì)不同的應(yīng)用從訓(xùn)練數(shù)據(jù)中學(xué)習(xí)更加具有針對(duì)性的特征表示。雖然早期的計(jì)算機(jī)視覺(jué)算法受限于人工設(shè)計(jì)的視覺(jué)特征，但是其中仍有一些對(duì)特征使用的思想值得借鑒。另外，圖像通常是由多個(gè)對(duì)象所構(gòu)成，對(duì)這些對(duì)象的分析往往是理解圖像信息的關(guān)鍵。因此本文通過(guò)結(jié)合深度學(xué)習(xí)和人工特征中融合的思想，提出兩個(gè)基于對(duì)象的深度特征融合算法以生成特定的圖像特征表示，分別用于基于內(nèi)容的圖像檢索和細(xì)粒度分類應(yīng)用。
　　本文首先提出一種基于對(duì)象的深度特征聚合方

3、法，它通過(guò)融合編碼圖像中潛在對(duì)象的深度特征來(lái)表示圖像。該方法能夠生成對(duì)圖像幾何變換和對(duì)象空間布局變化具有高魯棒性的圖像表示，適用于基于內(nèi)容的圖像檢索應(yīng)用。然后，本文提出另一種基于對(duì)象的深度特征聚合方法，它在只用類別標(biāo)簽的條件下對(duì)多尺度的對(duì)象部件進(jìn)行篩選和融合，以生成具有高區(qū)分性且能夠辨別細(xì)微區(qū)別的圖像表示。該圖像表示的特點(diǎn)則適用于細(xì)粒度分類任務(wù)。最后，本文在一系列基準(zhǔn)數(shù)據(jù)集上通過(guò)與最先進(jìn)方法的對(duì)比實(shí)驗(yàn)驗(yàn)證了本文提出的兩個(gè)方法在各自領(lǐng)域中