面向网络数据的图像检索和解析

发布时间：2017-05-06 21:14

  本文关键词：面向网络数据的图像检索和解析，由笔耕文化传播整理发布。

【摘要】：随着互联网技术的飞速发展,越来越多图像信息被上传到网络,如何对这些图像信息进行检索和解析是当下计算机视觉领域研究的热点问题。其中,图像检索解决的是如何从大规模的数据当中快速、准确的找到目标物体的问题,广泛应用于商用搜素引擎,电子商务,视频监控等领域。2003年的BoW(Bag-of-Words)模型的提出是该领域的一个重要突破,后续的图像检索模型也大都延续了“局部特征”+“词典向量”的形式。但随着检索规模的扩大,在生成图像的词典向量过程当中,非目标的背景局部特征也会被参考进来,从而影响词典向量的表达能力,当目标物体在图像中所占的面积比例较小时这种背景干扰的影响就越强烈,影响算法的检索真确性。另一方面,就图像解析而言,图像解析是指对于图像的每个像素点指定正确的标注信息,可被用于商品推荐,自动驾驶,虚拟现实等众多领域。在大规模图像分类领域获得极大突破的深度学习技术近年来也被用于图像解析领域并取得了优异的表现。但是传统的基于深度学习的图像解析需要进行大量的数据标注,也即在训练阶段需要对训练数据的每个像素提供真实的标注信息,这种代价无疑是巨大的,从而限制了用于训练的数据规模,进而影响了模型的性能。本文在总结现有的图像检索和图像解析技术的基础上,对于上述问题提出了自己的解决方案,主要贡献如下:(1)在图像检索方面,为了消除背景干扰对词典向量表达能力的影响,我们将图像检索从传统的图片层面降至目标层面,从而降低了背景干扰,并探究目标层面的索引重排和索引扩展;(2)在图像解析方面,为了降低像素级标注的成本,我们探究利用图像级的结构标注信息作为图像解析任务学习时的弱监督信息,同时利用结构标注信息之间的逻辑性质,辅助提高图像解析的精度。通过在公共数据集中将我们的算法与传统算法进行比较,实验结果表明,我们的算法在图像检索和图像解析上都取得了比传统算法更好的效果。
【关键词】：图像检索 图像解析 深度学习
【学位授予单位】：兰州大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 中文摘要3-4
• Abstract4-8
• 第一章 引言8-14
• 1.1 图像检索和解析的背景和意义8
• 1.2 图像检索和解析的难点及研究现状8-12
• 1.3 本文主要工作12-13
• 1.4 论文组织结构13-14
• 第二章 通过目标分割进行图像检索14-31
• 2.1 特征提取及VLAD描述符14-16
• 2.2 假定物体区域生成和过滤16-19
• 2.3 物体匹配图生成19-20
• 2.4 物体级别的检索重排20-21
• 2.5 半径敏感的检索扩展21-23
• 2.6 实验与结果分析23-31
• 2.6.1 数据库23-25
• 2.6.2 评价标准与实现细节25-26
• 2.6.3 与传统方法的对比26-27
• 2.6.4 选择区域个数的敏感测试27-28
• 2.6.5 物体级别的检索重排和半径敏感的查询扩展28
• 2.6.6 半径敏感的查询扩展参数敏感试验28-29
• 2.6.7 pVLAD伸缩性实验29-31
• 第三章 深度学习综述31-40
• 3.1 深度学习的发展历史31-33
• 3.2 卷积神经网络33-38
• 3.2.1 卷积层 (Convolutional layers)33-36
• 3.2.2 池化层 (Pooling layers)36
• 3.2.3 可视化结果36-38
• 3.3 网络的优化与训练38-40
• 第四章 基于弱结构标签的图像解析40-49
• 4.1 人物检测41-42
• 4.2 处理弱监督结构性数据的卷积神经网络42-44
• 4.2.1 卷积层 （Convolutional Layers）42
• 4.2.2 逻辑池化层（Logistic Pooling layers）42-43
• 4.2.3 标注整合层 （ Label Aggregation Layers ）43-44
• 4.5 实验与结果分析44-49
• 4.5.1 实验设定44-45
• 4.5.2 实现细节45
• 4.5.3 对图像解析结果进行定量分析45-46
• 4.5.4 对图像解析结果进行定性分析46-49
• 第五章 结论49-51
• 3.1 主要结论49
• 3.2 研究展望49-51
• 参考文献51-56
• 在学期间研究成果56-57
• 致谢57-58

【相似文献】

中国期刊全文数据库 前10条

1 韩法旺;;基于云计算模式的图像检索研究[J];情报科学;2011年10期

2 何岩;;以计算机为基础的色彩图像检索方法与研究[J];计算机光盘软件与应用;2013年12期

3 郭海凤;李广水;仇彬任;;基于融合多特征的社会网上图像检索方法[J];计算机与现代化;2013年12期

4 柏正尧,周纪勤;基于复数矩不变性的图像检索方法研究[J];计算机应用;2000年10期

5 夏峰,张文龙;一种图像检索的新方法[J];计算机应用研究;2002年11期

6 邓诚强,冯刚;基于内容的多特征综合图像检索[J];计算机应用;2003年07期

7 斯白露,高文,卢汉清,曾炜,段立娟;基于感兴趣区域的图像检索方法[J];高技术通讯;2003年05期

8 刘怡,于沛;基于“知网”的新闻图像检索方法[J];河南师范大学学报(自然科学版);2003年02期

9 张荣,郑浩然,李金龙,王煦法;进化加速技术在图像检索中的应用[J];计算机工程与应用;2004年16期

10 黄德才,胡嘉,郑月锋;交互式图像检索中相关反馈进展研究[J];计算机应用研究;2005年09期

中国重要会议论文全文数据库 前10条

1 陈旭文;朱红丽;;一种高效的图像检索方法[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年

2 周向东;张亮;张琪;刘莉;殷慷;施伯乐;;一种新的图像检索相关反馈方法[A];第十九届全国数据库学术会议论文集（研究报告篇）[C];2002年

3 陈世亮;李战怀;闫剑锋;;一种基于本体描述的空间语义图像检索方法[A];第二十一届中国数据库学术会议论文集（技术报告篇）[C];2004年

4 赵海英;彭宏;;基于最优近似反馈的图像检索[A];’2004系统仿真技术及其应用学术交流会论文集[C];2004年

5 许相莉;张利彪;于哲舟;周春光;;基于商空间粒度计算的图像检索[A];第八届全国信息隐藏与多媒体安全学术大会湖南省计算机学会第十一届学术年会论文集[C];2009年

6 李凌伟;周荣贵;刘怡;;基于概念的图像检索方法[A];第十九届全国数据库学术会议论文集（技术报告篇）[C];2002年

7 杨关良;李忠杰;徐小杰;;基于代表色的图像检索方法研究[A];首届信息获取与处理学术会议论文集[C];2003年

8 彭瑜;乔奇峰;魏昆娟;;基于多示例学习的图像检索方法[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年

9 胡敬;武港山;;基于语义特征的风景图像检索[A];2009年研究生学术交流会通信与信息技术论文集[C];2009年

10 许天兵;;一种基于语义分类的图像检索方法[A];中国图象图形学会第十届全国图像图形学术会议（CIG’2001）和第一届全国虚拟现实技术研讨会（CVR’2001）论文集[C];2001年

中国博士学位论文全文数据库 前10条

1 崔超然;图像检索中自动标注、标签处理和重排序问题的研究[D];山东大学;2015年

2 杨迪;基于内容的分布式图像检索[D];北京邮电大学;2015年

3 张旭;网络图像检索关键技术研究[D];西安电子科技大学;2014年

4 吴梦麟;基于半监督学习的医学图像检索研究[D];南京理工大学;2015年

5 汪友宝;基于多分辨率和显著特征的图像检索方法研究[D];上海大学;2015年

6 张运超;面向海量图像检索的视觉编码方法分析与优化[D];北京理工大学;2015年

7 高毫林;基于哈希技术的图像检索研究[D];解放军信息工程大学;2014年

8 李清亮;图像检索中判别性增强研究[D];吉林大学;2016年

9 李展;基于多示例学习的图像检索与推荐相关算法研究[D];西北大学;2012年

10 郭丽;基于内容的商标图像检索研究[D];南京理工大学;2003年

中国硕士学位论文全文数据库 前10条

1 赵鸿;基于尺度不变局部特征的图像检索研究[D];华南理工大学;2015年

2 孙剑飞;基于图像索引的热点话题检索方法研究[D];兰州大学;2015年

3 章进洲;图像检索中的用户意图分析[D];南京理工大学;2015年

4 苗思杨;移动图像检索中的渐进式传输方式研究[D];大连海事大学;2015年

5 都业刚;基于显著性的移动图像检索[D];大连海事大学;2015年

6 王梦蕾;基于用户反馈和改进词袋模型的图像检索[D];南京理工大学;2015年

7 许鹏飞;基于草图的海量图像检索方法研究[D];浙江大学;2015年

8 冯进丽;基于BoF的图像检索与行为识别研究[D];山西大学;2015年

9 乔维强;基于低级特征和语义特征的医学图像检索[D];北京理工大学;2015年

10 蒋国宝;基于内容的概念建模和图像检索重排序[D];复旦大学;2014年

  本文关键词：面向网络数据的图像检索和解析，由笔耕文化传播整理发布。

，

本文编号：349168