基于深度學(xué)習(xí)的圖像語(yǔ)義理解和分類(lèi)研究

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

1、‘－？－．－．．Ｔ＇．．．，Ｖ．ｆＶ．，一－■Ｊ－Ｖ．．＊＇．＇．詩(shī)．’乃‘／Ｖ／，■■＼Ｉ．．、分類(lèi)號(hào)ＴＰ３９１．４／，學(xué)號(hào)２０１３１３７０３００４學(xué)校代碼１０４８８密級(jí)；＇：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(yǔ)義理巧和分類(lèi)＼茜研究＇片．？．＇．．．、：苦＼’Ｖ’－＇ｉ；４ＶＶ：

2、學(xué)位申請(qǐng)人：ｍ學(xué)科專(zhuān)業(yè)：計(jì)算機(jī)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(dú)立進(jìn)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(gè)人或集體己經(jīng)發(fā)表或撰寫(xiě)過(guò)的作品成果。。對(duì)本文的研究做出重要貢獻(xiàn)的個(gè)人和集體，均已在文中明確方式標(biāo)明一申請(qǐng)學(xué)位論文與資料若有不實(shí)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?jī)?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(rèn)可的國(guó)家相關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索和對(duì)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(huì)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(lái)越多的人開(kāi)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(jué)信息量日益劇增。因此，如何對(duì)目前存在的海量圖像信息進(jìn)行有效而準(zhǔn)確的

6、分類(lèi)管理和信息標(biāo)注是亟待解決的技術(shù)難題與研究熱點(diǎn)。傳統(tǒng)的圖像分類(lèi)方法中，大多數(shù)根據(jù)人為定義的規(guī)則來(lái)對(duì)原始圖像數(shù)據(jù)進(jìn)行處理計(jì)算得到相應(yīng)的特征矩陣；而深度學(xué)習(xí)算法則通過(guò)對(duì)計(jì)算機(jī)的訓(xùn)練過(guò)程來(lái)自一動(dòng)學(xué)習(xí)持征。因此，本文提出了種改進(jìn)的Ｓｏｆｔｍａｘ回歸模型與基于線(xiàn)性解碼器深度神經(jīng)網(wǎng)絡(luò)相結(jié)合的圖像分類(lèi)算法。首先，通過(guò)基于線(xiàn)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(guò)卷積、池化得到原始大圖像的特征矩陣；其次，通過(guò)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(lèi)圖像特征對(duì)參數(shù)優(yōu)化后

7、的Ｓｏｆｔｍａｘ回歸模型進(jìn)巧訓(xùn)練并結(jié)合距離度量完成圖像分類(lèi)，得到最終分類(lèi)結(jié)果。在實(shí)驗(yàn)結(jié)果的對(duì)比分析中，采用查準(zhǔn)率、查全率作為評(píng)價(jià)指標(biāo)，驗(yàn)證了基于。深度學(xué)習(xí)的圖像語(yǔ)義理解和分類(lèi)方法的有效性和優(yōu)越性同時(shí)，將實(shí)驗(yàn)與多種傳統(tǒng)分類(lèi)方法做了對(duì)比，實(shí)驗(yàn)結(jié)果顯示出該算法具有較高的分類(lèi)能力。關(guān)鍵詞：圖像分類(lèi)；深度學(xué)習(xí)；線(xiàn)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