当前位置:主页 > 科技论文 > 自动化论文 >

基于迁移学习的摄影作品识别与分类系统的设计与实现

发布时间:2020-12-20 23:12
  随着图片分享平台的兴起以及日益增强的手机成像质量,越来越多精美的摄影作品被上传至互联网。而在另一方面,随着用于图像识别的卷积神经网络的快速发展,这些网络已经在图像物体识别中达到接近人工分类的准确率。如果能够利用这些成熟的神经网络对摄影作品进行识别,无疑可以帮助平台更好地了解平台中摄影内容的发展方向,并分析相关有价值的数据。卷积神经网络在识别物体时基于物体边缘的纹理,而构图则是一种贯穿全图的抽象纹理,两者是不同的,但有一定程度的相似性,这符合迁移学习的条件。本文利用迁移学习的技术构建了针对构图进行识别的神经网络模型,搭建了浏览器和服务器架构的图片分享平台,并接入迁移学习所得的模型,实现该模型在工程中的应用。本人独立完成了如下工作:对图片分享平台的构建进行需求分析,确立功能性需求和非功能性需求,并对迁移学习部分所需的分类进行探讨和确定;对图片分享平台的构建进行概要设计和详细设计,确立了总体架构以及各个子模块的结构,进行系统的整体和各个子模块流程设计、数据库表结构及关系设计、类结构及关系设计、业务逻辑等设计;针对迁移学习所需分类进行训练集的采集及预处理、选择合适的预训练模型、进行预实验、训练... 

【文章来源】:北京交通大学北京市 211工程院校 教育部直属院校

【文章页数】:84 页

【学位级别】:硕士

【部分图文】:

基于迁移学习的摄影作品识别与分类系统的设计与实现


图2-1画面右侧的男子?

男子,画面,图像


传达出作品更多元化的涵义[17]。??构图主要有3个作用。一是对内容的引导,不同的构图会给观众引导出不同??的想象空间。如图所示,图2-1和图2-2的主体内容一致,主体均为行走的男子,??行走方向为从右向左。图2-1中男子在图像右侧,行走趋势是走向图像中央,传达??出“走来”之意;图2-2中男子在图像左侧,行走趋势是走出图像,传达出“离开”??之意。??I—II3??Him?—??l?,,鑛》"■…vm??Si:?”:厶Sv?',■‘一'2?J"??图2-1画面右侧的男子?图2-2画面左侧的男子??Figure?2-1?The?man?on?the?right?Figure?2-2?The?man?on?the?left??7??

画面,冰雪


??构图第二个作用则是对于多主体的重心重新分配,如图所示,图2-3和图2-4??均为雪地中的枯树,图2-3中枯树处于画面中央,画面保持了左右平衡,更像是对??枯树的特写,使枯树更有主体之感;图2-4中枯树处于画面右侧三分之一处,让出??左侧三分之二用来描绘冰天雪地,给原本在构图中不起眼的简洁元素更多空间,??令画面两侧不平衡,提升了?“冰雪”元素所占据的份量,令观众既能看到枯树又??不忽略冰雪,描绘出辽阔的冰天雪地中只此一颗枯树的画面,传达出茕茕孑立之??思。??雜?攀??图2-3画面中央的树?图2-4画面右侧的树??Figure?2-3?The?tree?in?the?center?Figure?2-4?The?tree?on?the?right??构图第三个作用是对氛围的营造,平衡的构图更能营造庄重、平静的氛围。??如图2-6所示,其对称的布局令画面左右两侧更加平衡,相比图2-5更能体现出建??筑的庄重感

【参考文献】:
期刊论文
[1]基于inception v3模型的道路交通标志识别研究[J]. 林宇,陈晓勇.  江西科学. 2018(05)
[2]基于深度卷积神经网络的图像去噪研究[J]. 李传朋,秦品乐,张晋京.  计算机工程. 2017(03)
[3]深度学习在控制领域的研究现状与展望[J]. 段艳杰,吕宜生,张杰,赵学亮,王飞跃.  自动化学报. 2016(05)
[4]基于深度学习混合模型迁移学习的图像分类[J]. 石祥滨,房雪键,张德园,郭忠强.  系统仿真学报. 2016(01)
[5]一种基于跨领域典型相关性分析的迁移学习方法[J]. 张博,史忠植,赵晓非,张建华.  计算机学报. 2015(07)
[6]迁移学习研究进展[J]. 庄福振,罗平,何清,史忠植.  软件学报. 2015(01)
[7]一种面向多源领域的实例迁移学习[J]. 张倩,李明,王雪松,程玉虎,朱美强.  自动化学报. 2014(06)
[8]重采样方法与机器学习[J]. 毕华,梁洪力,王珏.  计算机学报. 2009(05)
[9]基于Spring MVC与iBATIS的轻量级Web应用研究[J]. 刘军,戴金山.  计算机应用. 2006(04)



本文编号:2928733

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2928733.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户a9aa7***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com