基于私有信息的跨领域场景识别

发布时间：2021-08-24 17:48

　　场景识别作为计算机视觉领域重要的技术之一,目前已经发展成为研究人员重点研究的方向,在智能驾驶,智能摄像,图像检索等领域取得巨大的发展。所以,提高场景识别技术有着十分重要的作用。场景图像往往因为光照,背景,遮挡等因素的原因,导致了类间差异大,类内差异小的问题。最近几年,场景识别研究从早期通过先验知识人工设计浅层特征,发展到通过构建深度网络模型自动学习深度特征。研究表明,学习多领域图像特征,可以产生比单独学习一种领域图像特征获得更好的识别模型,越来越多的科学家对使用额外领域的特征信息来提高分类性能的工作产生了兴趣。经典场景识别方法考虑训练和测试样本具有相同的视觉特征,但在实际应用中搜集和标注图像工作量巨大,且受限于场景的多样化,很难得到满足条件的充足实验样本,而私有信息作为仅在训练时学习的额外特征,测试时并不用提供,可以适当解决实验样本不充足的问题。本文提出一种基于相似融合的私有信息利用方法,并基于该方法设计了基于跨领域特征相似融合的网络模型（model of cross-domain similarity fusion,简称CSDF模型）。我们将CSDF模型定义为一个领域自适应问题,目的... 

【文章来源】：南京邮电大学江苏省

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

MIT67数据集场景样本图

南京邮电大学硕士研究生学位论文第一章绪论6厨房、洗手间、课堂教室、办公室等场景类别。MIT67数据集是一个具有挑战性的室内场景数据集，这是因为室内场景有较大的类内差异，并且由于室内背景和一些常见的物体，造成了很多难以识别的室内场景。MIT67数据集可以用于场景和环境为应用内容的视觉认知任务，该数据集目前是由MIT大学维护。该数据集部分图像如下图1.1所示：图1.1MIT67数据集场景样本图（2）Places365数据集Places365[41]数据集是目前数据量最大的场景数据集，基本涵盖了室内室外所有的场景类别。标准的Places365训练集大概有180万数据，每个场景4000左右数据量，在验证集中每个类别含50左右图像，测试集每个类别大约900的数据量。Places2数据集是在Places数据集的基础上拓展而来，它包含超过1000万张图像，包括400多个场景类别。该数据集基本涵盖真实世界的所有场景，可能是目前最具挑战性的数据集，该数据集应用范围十分广泛，对场景识别模型帮助很大。该数据集部分图像如下图1.2所示：图1.2Places365数据集场景图像样本图

南京邮电大学硕士研究生学位论文第一章绪论7（3）SUN数据集SUN数据集[42]是一个包含室内场景和室外场景的大型场景数据集。针对当时场景识别数据集普遍过小从而无法捕捉到各类场景特征的问题，SUN数据集包含了899个类别和130519张图像，大大丰富了各类场景特征。其中SUN397被用在大量场景识别实验中，它总共有397个类别，108754张图像，每个类别最少有100张图像。这些类别包括不同种类的室内和室外场景，它们具有巨大的差异性，大大提高了场景识别的复杂性。该数据集的部分图片如下图1.3所示：图1.3SUN397数据集场景图像样本图（4）ImageNet数据集ImageNet[43]是人工智能领域最具影响力的大型数据库，它是根据WordNet层次结构组织设计的。WordNet中的每个有意义的概念被称为同义词集或者synset，每个synet提供平均1000张图像。目前ImageNet共有14197122福图像，共分为21841个类别。其中类别包括：动物、植物、乐器、工具、车辆、场景等类别。该数据场景部分图片如下图1.4所示：图1.4ImageNet数据集场景样本图

【参考文献】：
期刊论文
[1]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军.  计算机学报. 2017(06)
[2]特征融合与S-D概率矫正的RGB-D显著检测[J]. 黄子超,刘政怡.  中国图象图形学报. 2016(10)

硕士论文
[1]基于递归神经网络的深度学习模型及其应用[D]. 李若晨.华北电力大学 2018
[2]基于改进卷积神经网络的图像分类研究[D]. 曹惠珍.广西师范大学 2017
[3]场景识别技术研究[D]. 宋庆欢.中国科学院研究生院（光电技术研究所） 2015
[4]高可靠性再入轨迹在线设计及实时制导[D]. 马宏图.大连理工大学 2014



本文编号：3360444