基于深度学习的复杂概念图像检索技术

发布时间：2021-01-06 06:09

　　近年来网络用户的搜索语句逐渐复杂化,这对查询技术有了更高的要求,需要在大规模地图片数据海洋中寻找到与查询相匹配的图片。当前对于复杂查询的处理步骤是首先将用户的查询文本映射成多个概念,再利用每个概念检索其相对应的图片,最后将结果进行融合。为了解决上述问题,本文首先提出了基于权重的深度学习网络模型。该模型的首先利用当前概念和其相关概念在训练数据集中的出现频率计算出每个概念相对于训练数据集的概念权重。随后本文采用卷积神经网络（CNN）提取训练数据集中的图片特征,并结合上述概念权重表得到每个概念的概念分类器。其中当前概念的相关概念是通过两个概念在训练数据集标签中共同出现的频率决定的,考虑相关概念的意义在于充分了解不同概念对于训练数据集的重要性,为后续的概念分类器的分类准确度打下基础。在测试阶段,本文采用基于语义距离的匹配方法将给定的复杂查询文本映射到相应概念上,并通过计算概念在标签文本中的TF-IDF值获得不同概念分类器在投票时的权值。最后利用线性融合的方法将所有概念分类器和其权值线性组合得到总概念分类器,并由总概念分类器判断与所给查询文本相匹配的图片列表。相对于传统的平均投票法,本文采用的加... 

【文章来源】：湖南大学湖南省 211工程院校 985工程院校 教育部直属院校

【文章页数】：63 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 研究现状
        1.2.1 国内研究现状
        1.2.2 国外研究现状
    1.3 重难点分析
    1.4 本文主要研究内容与创新点
    1.5 本文组织结构
第2章 基础理论和技术
    2.1 概述
    2.2 卷积神经网络
        2.2.1 基础神经网络
        2.2.2 卷积层
        2.2.3 池化层
        2.2.4 全连接层
        2.2.5 批归一化层
    2.3 检索算法
        2.3.1 概念选择
        2.3.2 融合策略
        2.3.3 结果融合
    2.4 相似性度量
    2.5 评价方法
    2.6 本章小结
第3章 基于深度学习的复杂查询技术
    3.1 引言
    3.2 系统框架
    3.3 基于概念权重的图像分类模型
        3.3.1 权重的定义
        3.3.2 权重设置
        3.3.3 模型构建
        3.3.4 网络结构
        3.3.5 损失函数
        3.3.6 优化与训练
    3.4 复杂查询技术
        3.4.1 复杂查询
        3.4.2 概念选择
        3.4.3 结果融合
    3.5 本章小结
第4章 实验结果与分析
    4.1 数据集介绍
    4.2 实验设置
    4.3 评价方法
    4.4 模型有效性分析
        4.4.1 基于概念权重模型有效性验证
        4.4.2 相关概念有效性验证
        4.4.3 概念选择中概念权值有效性验证
        4.4.4 基于语义距离匹配方法的有效性验证
        4.4.5 不同方法的对比实验
    4.5 小结
结论
参考文献
致谢
附录A 发表论文和参加科研情况说明


【参考文献】：
期刊论文
[1]高维数据聚类中相似性度量方法的研究[J]. 李慧敏,李川,翟祥.  市场研究. 2018(06)
[2]基于生成对抗网络的漫画草稿图简化[J]. 卢倩雯,陶青川,赵娅琳,刘蔓霄.  自动化学报. 2018(05)
[3]基于微博签到数据的出行行为分析[J]. 聂琦.  山东科学. 2017(06)
[4]基于全卷积网络的目标检测算法[J]. 施泽浩,赵启军.  计算机技术与发展. 2018(05)
[5]结合批归一化的直通卷积神经网络图像分类算法[J]. 朱威,屈景怡,吴仁彪.  计算机辅助设计与图形学学报. 2017(09)
[6]基于选择性搜索和卷积神经网络的人脸检测[J]. 吴素雯,战荫伟.  计算机应用研究. 2017(09)
[7]基于概念与词根双特征互助文本分类模型[J]. 古平,吴庭君,文静云.  计算机与现代化. 2015(08)
[8]利用粒子群算法优化多源检索融合结果的方法[J]. 谢兴生,张国梁,李斌.  模式识别与人工智能. 2012(03)
[9]关联规则的相似性度量与聚类研究[J]. 李其申,屈喜琴,管俊.  计算机工程与设计. 2012(02)
[10]专业搜索引擎搜索结果融合算法研究[J]. 郝伟,杨国霞,郝志杰.  河北科技大学学报. 2011(04)

硕士论文
[1]基于名词和动作视觉概念检测的复杂查询图像检索重排序[D]. 王红娜.合肥工业大学 2014



本文编号：2960064