發(fā)布時(shí)間：2024-07-04 20:09

　　基于內(nèi)容的圖像檢索(CBIR),俗稱“以圖搜圖”,一直以來(lái)都是計(jì)算機(jī)視覺(jué)領(lǐng)域的基礎(chǔ)研究課題,其對(duì)相關(guān)研究領(lǐng)域有著深遠(yuǎn)的影響,并有著廣泛的商業(yè)應(yīng)用。隨著網(wǎng)絡(luò)上的多媒體數(shù)據(jù)呈現(xiàn)爆炸式地增長(zhǎng)以及自動(dòng)駕駛,增強(qiáng)現(xiàn)實(shí)等越來(lái)越多實(shí)際應(yīng)用的需求,圖像檢索成為一個(gè)基礎(chǔ)且具有實(shí)際意義的研究課題。近年來(lái),深度學(xué)習(xí)方法和理論在人工智能,模式識(shí)別的代表性研究方向如物體識(shí)別,語(yǔ)音識(shí)別,物體檢測(cè)等任務(wù)取得了巨大成功。圖像檢索領(lǐng)域也毫無(wú)例外地將傳統(tǒng)方法與深度卷積神經(jīng)網(wǎng)絡(luò)(CNN)特征相結(jié)合,進(jìn)行編碼和聚合得到緊湊的全局描述符表示。CNN特征具有表示能力強(qiáng),維度低等優(yōu)點(diǎn),逐漸在工業(yè)界和學(xué)術(shù)界被廣泛應(yīng)用。本篇論文的研究工作主要在兩類圖像檢索數(shù)據(jù)集展開(kāi):標(biāo)準(zhǔn)物體檢索數(shù)據(jù)集和地理位置檢索數(shù)據(jù)集。兩種數(shù)據(jù)集可以進(jìn)一步劃分為單物體圖像檢索和多物體圖像檢索數(shù)據(jù)集。雖然近年的工作將這些數(shù)據(jù)集的檢索準(zhǔn)確度提升到了很高的層次,現(xiàn)今的方法仍存在一些待改進(jìn)的地方。本文也通過(guò)改進(jìn)現(xiàn)有的方法進(jìn)一步提升了圖像檢索準(zhǔn)確度。本文的研究工作主要包括:(1)有效解決過(guò)度計(jì)數(shù)問(wèn)題。自然圖像中的物體或多或少具有重復(fù)結(jié)構(gòu),尤其在建筑物上最為常見(jiàn)。之前的一些工...

【文章頁(yè)數(shù)】：68 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題研究的背景、內(nèi)容及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 基于深度學(xué)習(xí)特征的圖像檢索研究現(xiàn)狀
        1.2.2 主要存在的問(wèn)題
    1.3 本文的內(nèi)容以及章節(jié)安排
        1.3.1 本文的研究?jī)?nèi)容
        1.3.2 本文的組織結(jié)構(gòu)
第2章 相關(guān)技術(shù)基礎(chǔ)理論
    2.1 基于深度學(xué)習(xí)特征的圖像檢索
        2.1.1 卷積神經(jīng)網(wǎng)絡(luò)模型
        2.1.2 基于深度特征的圖像檢索
    2.2 注意力機(jī)制
    2.3 視覺(jué)關(guān)系建�？蚣�
    2.4 網(wǎng)絡(luò)訓(xùn)練
        2.4.1 分類損失函數(shù)
        2.4.2 度量學(xué)習(xí)方法
    2.5 特征降維
    2.6 圖像檢索數(shù)據(jù)集
        2.6.1 數(shù)據(jù)集難點(diǎn)
        2.6.2 評(píng)價(jià)指標(biāo)
    2.7 本章小結(jié)
第3章 基于區(qū)域評(píng)價(jià)的圖像檢索
    3.1 深度區(qū)域特征
    3.2 網(wǎng)絡(luò)結(jié)構(gòu)
        3.2.1 金字塔池化
        3.2.2 注意力模塊與級(jí)聯(lián)注意力模塊
    3.3 PCA冪白化
    3.4 實(shí)驗(yàn)配置
    3.5 實(shí)驗(yàn)結(jié)果
        3.5.1 區(qū)域選擇
        3.5.2 注意力模塊
        3.5.3 PCA冪白化
        3.5.4 與當(dāng)前先進(jìn)方法比較
        3.5.5 標(biāo)準(zhǔn)圖像檢索實(shí)驗(yàn)
    3.6 本章小結(jié)
第4章 基于關(guān)系建模的圖像檢索
    4.1 圖像檢索假設(shè)中關(guān)系信息的缺失
    4.2 區(qū)域關(guān)系模塊
    4.3 級(jí)聯(lián)池化方法
    4.4 實(shí)驗(yàn)配置
        4.4.1 網(wǎng)絡(luò)訓(xùn)練
        4.4.2 網(wǎng)絡(luò)測(cè)試
    4.5 實(shí)驗(yàn)結(jié)果
        4.5.1 關(guān)系特征圖與級(jí)聯(lián)池化
        4.5.2 關(guān)系描述符與外觀描述符
        4.5.3 圖像檢索示例
        4.5.4 關(guān)系特征分析
        4.5.5 與當(dāng)前先進(jìn)方法比較
        4.5.6 標(biāo)準(zhǔn)圖像檢索實(shí)驗(yàn)
        4.5.7 RelationVLAD
        4.5.8 實(shí)驗(yàn)結(jié)果對(duì)比以及定性分析
    4.6 本章小結(jié)
第5章 總結(jié)和展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間的研究成果



本文編號(hào)：4000475