基于多关系社交网络的图像分类算法

发布时间：2021-06-24 10:53

　　互联网的快速发展为人们交流沟通提供了很多便利,用户可以方便地上传和浏览网络中的图像。在线社交网络中的图像通常携带了很多社交网络信息,这些社交网络信息在一定程度上反映了图像之间的关联信息。有效地利用这些社交网络信息能够消除图像中存在的一些歧义,对图像分类是非常有价值的。目前学者们提出了不少基于社交网络信息的图像分类算法,然而大多数算法通常无法有效地利用多种不同类型的社交网络信息。针对这些问题,本文提出了一种新型的基于多关系社交网络的图像分类算法MSNet。MSNet首先利用图像的社交网络信息构造出图像之间多种不同的关系网络,然后利用网络表征学习算法学习出图像在社交网络中的表征向量,最后利用图像的视觉特征与网络表征训练分类器进行图像分类。本文的主要工作包含以下三个部分:（1）提出了一种半监督判别性网络表征学习算法（简称DNE）。DNE算法基于SkipGram模型,可以使用部分节点的类标信息进行半监督的网络表征学习。传统的判别性网络表征学习算法在学习网络表征时通常需要训练一个额外的分类器,通过分类器调整带类标节点的表征向量。这一类方法通常不能很好地利用半监督的信息,且存在训练时间过长,需要大... 

【文章来源】：深圳大学广东省

【文章页数】：89 页

【学位级别】：硕士

【部分图文】：

Flickr上拥有相同标签和图片组的两幅图片

CNN-Neighbor的结构图

胶囊网络用于MNIST手写数字图片数据集从图2-2中可以看到，胶囊网络的结构相对比较简单，只包含三层结构（卷


本文编号：3246958