基于深度學(xué)習(xí)的圖像語義理解和分類研究

《基于深度學(xué)習(xí)的圖像語義理解和分類研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、‘－？－．－．．Ｔ＇．．．，Ｖ．ｆＶ．，一－■Ｊ－Ｖ．．＊＇．＇．詩．’乃‘／Ｖ／，■■＼Ｉ．．、分類號ＴＰ３９１．４／，學(xué)號２０１３１３７０３００４學(xué)校代碼１０４８８密級；＇：Ｉ一－、＇＇一．乃一八心皆證碩±學(xué)位論文‘．＇、／Ｖ．游＇一／．．（．＜，八基于巧度學(xué)習(xí)的圖像語義理巧和分類＼茜研究＇片．？．＇．．．、：苦＼’Ｖ’－＇ｉ；４ＶＶ：

2、學(xué)位申請人：ｍ學(xué)科專業(yè)：計算機科學(xué)與技術(shù)■？指導(dǎo)教師：ｍ答辯日期：２０１６．０５．２１．－ｉ＇？．．．．ｊ＼＇＇＇＾－Ｖ＞－Ｖ＇？－＇．＇４．＇巧，．．：，ＡＤｉｓｓｅｒｔａｔｉｏｎＳｕｂｍｉｔｔｅｄＵｌＰａｒｔｉａｌＦｕｌｆｉｌｌｍｅｎｔｏｆ化６ＲｅｑｕｉｒｅｍｅｎｔｓｆｂｒｔｈｅＤｅｇｒｅｅｏｆＭａｓ化ｒｉ田ＥｎｇｉｎｅｅｒｉｎｇＩｍａｇｅｃｌａｓｓｉｆｉｃａｔｉｏｎａｎｄｓｅｍａ

3、ｎｔｉｃｒｅｓｅａｒｃｈｂａｓｅｄｏｎｄｅｅｌｅａｒｎｉｎｇｐＭａｓｔｉｅｒＣａｎｄｉｄａｔｅ：ＰｉｎＷｕｇＭａｏｒ：ＣｏｍｕｔｅｒｓｃｉｅｎｃｅａｎｄｔｅｃｈｎｏｌｏｊｐｇｙＳｕｐｅｒｖｉｓｏｒ：Ｐｒｏｆ．ＺｈａｎｇＷｕｈａｎＵｎｉｖｅｒｓｉｔｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｙｇｙＷｕｈａｎ，Ｈｕｂｅｉ４３００８１，Ｐ．Ｒ．ＣｈｉｎａＭａ２０１６ｙ，武漢科技大學(xué)研究生學(xué)位論文創(chuàng)新性聲明本人鄭重聲明：所呈交的學(xué)位論文是

4、本人在導(dǎo)師指導(dǎo)下，獨立進行研究所取得的成果。除了文中己經(jīng)注明引用的內(nèi)容或?qū)俸献餮芯抗餐瓿傻模崳姽ぷ魍?，本論文不包含任何其他個人或集體己經(jīng)發(fā)表或撰寫過的作品成果。。對本文的研究做出重要貢獻的個人和集體，均已在文中明確方式標明一申請學(xué)位論文與資料若有不實之處，本人承擔(dān)切相關(guān)責(zé)任。論文作者簽名：征曰期：岐；、、，４研究生學(xué)位論文版權(quán)使用授權(quán)聲明本論文的研究成果歸武漢科技大學(xué)所有，其研究內(nèi)容不得レッ其它單位的名義發(fā)表。本人完全了解武漢科技大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定，同意學(xué)校保

5、留并向有關(guān)部ｎ（按照《武化科技大學(xué)關(guān)于研究生學(xué)位論文收錄工作的規(guī)定》執(zhí)行）送交論文的復(fù)印件和電子版本，允許論文被查閱和借閱，同意學(xué)校將本論文的全部或部分內(nèi)容編入學(xué)校認可的國家相關(guān)數(shù)據(jù)庫進行檢索和對外服務(wù)。論文作者簽名：４豕指導(dǎo)教師簽名：＾參日期：如ｄｓ、ｙ摘要隨著當(dāng)今社會互朕網(wǎng)技術(shù)的快速發(fā)展，ｗ及圖像多媒體等設(shè)備的流行，越來越多的人開始在網(wǎng)絡(luò)上發(fā)表、下載和共享圖像資源，Ｗ圖像數(shù)據(jù)為代表的多媒體視覺信息量日益劇增。因此，如何對目前存在的海量圖像信息進行有效而準確的

6、分類管理和信息標注是亟待解決的技術(shù)難題與研究熱點。傳統(tǒng)的圖像分類方法中，大多數(shù)根據(jù)人為定義的規(guī)則來對原始圖像數(shù)據(jù)進行處理計算得到相應(yīng)的特征矩陣；而深度學(xué)習(xí)算法則通過對計算機的訓(xùn)練過程來自一動學(xué)習(xí)持征。因此，本文提出了種改進的Ｓｏｆｔｍａｘ回歸模型與基于線性解碼器深度神經(jīng)網(wǎng)絡(luò)相結(jié)合的圖像分類算法。首先，通過基于線性解碼器的神經(jīng)網(wǎng)絡(luò)訓(xùn)練得到局部小圖像的特征，再通過卷積、池化得到原始大圖像的特征矩陣；其次，通過傳統(tǒng)特征提取算法得到圖像的顏色和紋理特征；然后結(jié)合這兩類圖像特征對參數(shù)優(yōu)化后

7、的Ｓｏｆｔｍａｘ回歸模型進巧訓(xùn)練并結(jié)合距離度量完成圖像分類，得到最終分類結(jié)果。在實驗結(jié)果的對比分析中，采用查準率、查全率作為評價指標，驗證了基于。深度學(xué)習(xí)的圖像語義理解和分類方法的有效性和優(yōu)越性同時，將實驗與多種傳統(tǒng)分類方法做了對比，實驗結(jié)果顯示出該算法具有較高的分類能力。關(guān)鍵詞：圖像分類；深度學(xué)習(xí)；線性解碼器；Ｓｏｆｔｍａｘ回歸模型ＩＡｂｓｔｒａｄ：ＷｉｔｈｔｈｅｖｉｏｒｏｕｓｄｅｖｅｌｏｍｅｎｔｏｆＩｎｔｅｒｎｅｔａｎｄｍｕｌｔｉｍｅｄｉａｔｅｃｈｎｏｌｏａ

8、ｓｗｅｌｌａｓｇｐｇｙ，ｔｈｅｒｉｓｉｎｇｐｏｐｕｌａｒｈｙｏｆｓｏｃｉａｌｍｅｄｉａ，ｍｏｒｅａｎｄｍｏｒｅｐｅｏｐｌｅｂｅｇｉｎ化ｕｐｌｏａｄ，ｄｏｗｎｌｏａｄａｎｄｓｈａｒｅｉｍａｇｅｓＫｓｏｕｒｃｅｓｉｎｔｈｅＩｎｔｅｒｎｅｔ．Ｉｍａｇｅｄａｔａｒａｄｕａｌｌｂｅｃｏｍｅａｎｉｍｏｒｔａｎｔｇｙｐｍｅｄｉｕｍｏｆｉｎｆｏ