视觉语义特征的增强与提取方法研究

发布时间：2024-03-14 06:15

　　视觉语义是指非语言的语义信息的逐步积累的结果,而这些非语言的语义信息在深度学习中具体的表现就是视觉语义特征。良好的视觉语义特征不仅可以提升神经网络的性能,还能从其积累的过程中实现对其内部的探索。虽然现有的神经网络在很多领域都有良好的表现,但是选取何种神经网络,如何设置神经网络结构及参数在很大程度上取决于研究人员的经验。而提取神经网络的语义特征有助于理解内部的决策逻辑,建立完善的理论体系来指导神经网络的设计。本文对语义特征的提取与神经网络的设计进行了相关研究,主要工作和创新点如下:(1)针对目前神经网络结构在可读性和可解释性上的不足,提出了将视觉语义特征与模块化的神经网络结构设计相结合的原型系统,并设计了三种基于主流神经网络的语义特征约束神经网络模型。通过人类对事物的认知来提升神经网络的训练速度和训练精度,另一方面让整个神经网络在结构上更加易于理解,在设计上更加灵活和开放,并实现了对神经网络的初步解释。(2)针对数据预测回归中的少样本问题和预测结果解释性不足问题,提出了基于已知语义特征约束的BP预测神经网络设计方法。并以地质曲面重构研究为例,将皱褶构造形态特征作为研究对象,基于人的认知先...

【文章页数】：75 页

【学位级别】：硕士

【部分图文】：

图3-3卷积神经网络模型图

电子科技大学硕士学位论文26基于语义约束模块化的BP神经网络结构框图，如上图3-2所示。其中传统的网络层结构不变，但是输出层进行了处理,对输出层进行功能模块的划分，根据不同的语义特征对输出进行不同的处理，最后得到最终的损失函数并进行反向传播。一般来说，BP网络针对的都是点数据的形....

图3-5循环神经网络模型图

电子科技大学硕士学位论文28时间序列数据，这些数据具有强烈的时间前后属性上的关系。针对这种数据，最常用的神经网络结构就是RNN了。作为深度学习的一种，其参考了序列的因果特性，这符合了文字或时间序列的特性，因此被广泛用于NLP中的文本序列的处理。在标准的RNN结构中，隐藏层的神经元....

图4-1褶皱要素示意图

用的先插值再拟合地质曲面的重构方法是难以实现的。针对这个问题，本文提出了基于已知语义特征约束下的数值预测神经网络。在了解网络结构之前我们需要先了解曲面形态构造中具有语义含义的一个特征：褶皱构造特征。褶皱在任何岩石类型、构造背景和深度下都能形成。具体表现岩层在受到多种力的相互影响之....

图4-2地质曲面原始数据图展示

第四章基于已知特征约束的预测神经网络设计方法研究35部具有规则性而与其他附近区域相邻的边界部分具有突变型的区域划分为突变语义区域。反之，若一个区域中内部地形在高度方面表现出连续、光滑的特性且边界部分具有模糊性，那么这个区域就是渐变地形语义区。对于突变地形语义区，一般以因人类活动而....

本文编号：3928182