面向绘画在线教育的零样本图像检索技术及其应用研究
发布时间：2021-10-23 12:12
随着智能设备的普及化,社交平台的便捷化以及物联网技术的飞速发展,现阶段全球数据呈现爆炸式增长的现象。如何利用大数据、人工智能相关技术对多元化数据进行快速检索,引发了广大科研工作者的密切关注。自上世纪70年代以来,图像检索一直是计算机视觉领域的研究热门点,其中图像检索研究方向主要分为基于文本的图像检索技术（Text-based Image Retrieval,简称TBIR）以及基于内容的图像检索技术（Content-based Image Retrieval,简称CBIR）。基于内容的图像检索研究方向又分为基于图像的图像检索（Photo-based Image Retrieval,简称PBIR）和基于草图的图像检索（Sketch-based Image Retrieval,简称SBIR）。目前,基于草图的图像检索技术越来越受到广大科研工作者的青睐,其主要原因为抽象简易的草图绘制操作相对用户而言较为简单。然而,基于草图的图像检索研究目前存在如下问题:一是由于草图与自然图像属于不同数据域,因此在高维空间中两者数据分布存在一定的差异性,即数据域分布不一致性问题;二是高维特征空间中固有的枢纽点问...
【文章来源】：华中师范大学湖北省 211工程院校 教育部直属院校
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
图１－１图像检索流程图??现阶段，基于ＣＮＮ网络的ＰＢＩＲ技术己相对成熟，在人们的实际生活中发挥??
碩士学位论文??Ｙ＾ｇＷＪ）?ＭＡＳＴＥＲ＇Ｓ?ＴＭＥＳＩＳ??图２－１零样本学习直观示意图??２．１．２经典模型分析??在零样本学习的图像识别２２，２３，２４研宄中，其可以划分为如下三类：基于属性的??零样本学习、基于线性函数的零样本学习、基于非线性函数的零样本学习。为了??更为深入理解零样本学习技术，我们详细分析了相应经典的零样本学习模型，诸??如ＤＡＰ模型，ＡＬＥ模型以及ＬａｔＥｍ模型。??１?＞?ＤＡＰ?（Ｄｉｒｅｃｔ?Ａｔｔｒｉｂｕｔｅ?Ｐｒｅｄｉｃｔｉｏｎ）??直接属性预测（Ｄｉｒｅｃｔ?Ａｔｔｒｉｂｕｔｅ?Ｐｒｅｄｉｃｔｉｏｎ，简称ＤＡＰ）＊＂５作为早期零样本学习研??宄的经典模型之一，属于基于属性的零样本学习范畴，其开创性在于利用图像标??签相关属性进行知识迁移，从而实现对未知标签图像进行类别预测。??ｓｔｒｉｐｅｓ：?ｙｅｓ?ｔ??ｗａｔｅｒ：?ｎｏ?Ｗ－繫‘：／??ｅａｔｓ?ｆｉｓｈ：?ｎｏ??图２－２标签－属性－图像示意图??属性作为图像标签语义的概括描述，诸如形状、颜色，甚至几何信息等，是??物体在任何条件下均具备的性质。Ｃｈｒｉｓｔｏｐｈ?Ｈ．Ｌａｍｐｅｒｔ是ＤＡＰ模型的提出者，他??设定图像标签语义描述由８５种属性描述键值对组成，如图２－２左侧所示。由于计??算机无法直接处理上述属性表征形式，故Ｃｈｒｉｓｔｏｐｈ?Ｈ．Ｌａｍｐｅｒｔ将属性键值对进行??二进制化处理，表征为二进制向量形式，即形如Ｖ?＝?〇其??中ｍ＝８５，＝?１或者０，１表不为ｙｅｓ，０表不为ｎｏ。??ＤＡＰ模型由图像样本层Ｘ、属性层Ｊ?（属性分类器）以及标签层（＿ｙ代表训练??集图像标签，ｚ代表测试集图像标签
碩士学位论文??Ｙ＾ｇＷＪ）?ＭＡＳＴＥＲ＇Ｓ?ＴＭＥＳＩＳ??图２－１零样本学习直观示意图??２．１．２经典模型分析??在零样本学习的图像识别２２，２３，２４研宄中，其可以划分为如下三类：基于属性的??零样本学习、基于线性函数的零样本学习、基于非线性函数的零样本学习。为了??更为深入理解零样本学习技术，我们详细分析了相应经典的零样本学习模型，诸??如ＤＡＰ模型，ＡＬＥ模型以及ＬａｔＥｍ模型。??１?＞?ＤＡＰ?（Ｄｉｒｅｃｔ?Ａｔｔｒｉｂｕｔｅ?Ｐｒｅｄｉｃｔｉｏｎ）??直接属性预测（Ｄｉｒｅｃｔ?Ａｔｔｒｉｂｕｔｅ?Ｐｒｅｄｉｃｔｉｏｎ，简称ＤＡＰ）＊＂５作为早期零样本学习研??宄的经典模型之一，属于基于属性的零样本学习范畴，其开创性在于利用图像标??签相关属性进行知识迁移，从而实现对未知标签图像进行类别预测。??ｓｔｒｉｐｅｓ：?ｙｅｓ?ｔ??ｗａｔｅｒ：?ｎｏ?Ｗ－繫‘：／??ｅａｔｓ?ｆｉｓｈ：?ｎｏ??图２－２标签－属性－图像示意图??属性作为图像标签语义的概括描述，诸如形状、颜色，甚至几何信息等，是??物体在任何条件下均具备的性质。Ｃｈｒｉｓｔｏｐｈ?Ｈ．Ｌａｍｐｅｒｔ是ＤＡＰ模型的提出者，他??设定图像标签语义描述由８５种属性描述键值对组成，如图２－２左侧所示。由于计??算机无法直接处理上述属性表征形式，故Ｃｈｒｉｓｔｏｐｈ?Ｈ．Ｌａｍｐｅｒｔ将属性键值对进行??二进制化处理，表征为二进制向量形式，即形如Ｖ?＝?〇其??中ｍ＝８５，＝?１或者０，１表不为ｙｅｓ，０表不为ｎｏ。??ＤＡＰ模型由图像样本层Ｘ、属性层Ｊ?（属性分类器）以及标签层（＿ｙ代表训练??集图像标签，ｚ代表测试集图像标签
【参考文献】：
期刊论文
[1]融合零样本学习和小样本学习的弱监督学习方法综述[J]. 潘崇煜,黄健,郝建国,龚建兴,张中杰. 系统工程与电子技术. 2020(10)
[2]面向细粒度草图检索的对抗训练三元组网络[J]. 陈健,白琮,马青,郝鹏翼,陈胜勇. 软件学报. 2020(07)
[3]零样本图像识别[J]. 兰红,方治屿. 电子与信息学报. 2020(05)
[4]基于视觉误差与语义属性的零样本图像分类[J]. 徐戈,肖永强,汪涛,陈开志,廖祥文,吴运兵. 计算机应用. 2020(04)
[5]基于草图的图像检索技术[J]. 朱赟. 信息与电脑(理论版). 2017(22)
[6]基于手绘草图的图像检索技术研究进展[J]. 辛雨璇,闫子飞. 智能系统学报. 2015(02)
本文编号：3453164
【文章来源】：华中师范大学湖北省 211工程院校 教育部直属院校
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
图１－１图像检索流程图??现阶段，基于ＣＮＮ网络的ＰＢＩＲ技术己相对成熟，在人们的实际生活中发挥??
碩士学位论文??Ｙ＾ｇＷＪ）?ＭＡＳＴＥＲ＇Ｓ?ＴＭＥＳＩＳ??图２－１零样本学习直观示意图??２．１．２经典模型分析??在零样本学习的图像识别２２，２３，２４研宄中，其可以划分为如下三类：基于属性的??零样本学习、基于线性函数的零样本学习、基于非线性函数的零样本学习。为了??更为深入理解零样本学习技术，我们详细分析了相应经典的零样本学习模型，诸??如ＤＡＰ模型，ＡＬＥ模型以及ＬａｔＥｍ模型。??１?＞?ＤＡＰ?（Ｄｉｒｅｃｔ?Ａｔｔｒｉｂｕｔｅ?Ｐｒｅｄｉｃｔｉｏｎ）??直接属性预测（Ｄｉｒｅｃｔ?Ａｔｔｒｉｂｕｔｅ?Ｐｒｅｄｉｃｔｉｏｎ，简称ＤＡＰ）＊＂５作为早期零样本学习研??宄的经典模型之一，属于基于属性的零样本学习范畴，其开创性在于利用图像标??签相关属性进行知识迁移，从而实现对未知标签图像进行类别预测。??ｓｔｒｉｐｅｓ：?ｙｅｓ?ｔ??ｗａｔｅｒ：?ｎｏ?Ｗ－繫‘：／??ｅａｔｓ?ｆｉｓｈ：?ｎｏ??图２－２标签－属性－图像示意图??属性作为图像标签语义的概括描述，诸如形状、颜色，甚至几何信息等，是??物体在任何条件下均具备的性质。Ｃｈｒｉｓｔｏｐｈ?Ｈ．Ｌａｍｐｅｒｔ是ＤＡＰ模型的提出者，他??设定图像标签语义描述由８５种属性描述键值对组成，如图２－２左侧所示。由于计??算机无法直接处理上述属性表征形式，故Ｃｈｒｉｓｔｏｐｈ?Ｈ．Ｌａｍｐｅｒｔ将属性键值对进行??二进制化处理，表征为二进制向量形式，即形如Ｖ?＝?〇其??中ｍ＝８５，＝?１或者０，１表不为ｙｅｓ，０表不为ｎｏ。??ＤＡＰ模型由图像样本层Ｘ、属性层Ｊ?（属性分类器）以及标签层（＿ｙ代表训练??集图像标签，ｚ代表测试集图像标签
碩士学位论文??Ｙ＾ｇＷＪ）?ＭＡＳＴＥＲ＇Ｓ?ＴＭＥＳＩＳ??图２－１零样本学习直观示意图??２．１．２经典模型分析??在零样本学习的图像识别２２，２３，２４研宄中，其可以划分为如下三类：基于属性的??零样本学习、基于线性函数的零样本学习、基于非线性函数的零样本学习。为了??更为深入理解零样本学习技术，我们详细分析了相应经典的零样本学习模型，诸??如ＤＡＰ模型，ＡＬＥ模型以及ＬａｔＥｍ模型。??１?＞?ＤＡＰ?（Ｄｉｒｅｃｔ?Ａｔｔｒｉｂｕｔｅ?Ｐｒｅｄｉｃｔｉｏｎ）??直接属性预测（Ｄｉｒｅｃｔ?Ａｔｔｒｉｂｕｔｅ?Ｐｒｅｄｉｃｔｉｏｎ，简称ＤＡＰ）＊＂５作为早期零样本学习研??宄的经典模型之一，属于基于属性的零样本学习范畴，其开创性在于利用图像标??签相关属性进行知识迁移，从而实现对未知标签图像进行类别预测。??ｓｔｒｉｐｅｓ：?ｙｅｓ?ｔ??ｗａｔｅｒ：?ｎｏ?Ｗ－繫‘：／??ｅａｔｓ?ｆｉｓｈ：?ｎｏ??图２－２标签－属性－图像示意图??属性作为图像标签语义的概括描述，诸如形状、颜色，甚至几何信息等，是??物体在任何条件下均具备的性质。Ｃｈｒｉｓｔｏｐｈ?Ｈ．Ｌａｍｐｅｒｔ是ＤＡＰ模型的提出者，他??设定图像标签语义描述由８５种属性描述键值对组成，如图２－２左侧所示。由于计??算机无法直接处理上述属性表征形式，故Ｃｈｒｉｓｔｏｐｈ?Ｈ．Ｌａｍｐｅｒｔ将属性键值对进行??二进制化处理，表征为二进制向量形式，即形如Ｖ?＝?〇其??中ｍ＝８５，＝?１或者０，１表不为ｙｅｓ，０表不为ｎｏ。??ＤＡＰ模型由图像样本层Ｘ、属性层Ｊ?（属性分类器）以及标签层（＿ｙ代表训练??集图像标签，ｚ代表测试集图像标签
【参考文献】：
期刊论文
[1]融合零样本学习和小样本学习的弱监督学习方法综述[J]. 潘崇煜,黄健,郝建国,龚建兴,张中杰. 系统工程与电子技术. 2020(10)
[2]面向细粒度草图检索的对抗训练三元组网络[J]. 陈健,白琮,马青,郝鹏翼,陈胜勇. 软件学报. 2020(07)
[3]零样本图像识别[J]. 兰红,方治屿. 电子与信息学报. 2020(05)
[4]基于视觉误差与语义属性的零样本图像分类[J]. 徐戈,肖永强,汪涛,陈开志,廖祥文,吴运兵. 计算机应用. 2020(04)
[5]基于草图的图像检索技术[J]. 朱赟. 信息与电脑(理论版). 2017(22)
[6]基于手绘草图的图像检索技术研究进展[J]. 辛雨璇,闫子飞. 智能系统学报. 2015(02)
本文编号：3453164
本文链接：https://www.wllwen.com/jiaoyulunwen/ktjx/3453164.html
