資源描述：
《基于深度卷積神經網(wǎng)絡的圖像美感評估研究》由會員上傳分享，免費在線閱讀，更多相關內容在學術論文-天天文庫。
1、工程碩士學位論文基于深度卷積神經網(wǎng)絡的圖像美感評估研究作者姓名王勵工程領域電子與通信工程校內指導教師王偉凝副教授校外指導教師黎永志所在學院電子與信息學院論文提交日期2015年12月ResearchonImageAestheticEvaluationusingDeepConvolutionalNeuralNetworksADissertationSubmittedfortheDegreeofMasterCandidate：WangLiSupervisor：Prof.WangWeiningSouth
2、ChinaUniversityofTechnologyGuangzhou,China分類號：TP391學校代號：10561學號：201321009943華南理工大學碩士學位論文基于深度卷積神經網(wǎng)絡的圖像美感評估研究作者姓名：王勵指導教師姓名、職稱：王偉凝副教授申請學位級別：碩士工程領域名稱：電子與通信工程論文形式：□產品研發(fā)□工程設計?應用研究□工程/項目管理□調研報告研究方向：信號與信息處理論文提交日期：2015年12月28日論文答辯日期：2016年3月19日學位授予單位：華南理工大學學位授予
3、日期：年月日答辯委員會成員：主席：胡永健教授委員：倪江群教授黃茜教授金連文教授呂益民高級工程師華南理工大學學位論文原創(chuàng)性聲明本人鄭重聲明:所呈交的論文是本人在導師的指導下獨立進行研究所取得的研究成果。除了文中特別加以標注引用的內容外,本論文不包含任何其他個人或集體已經發(fā)表或撰寫的成果作品。對本文的研究做出重要貢獻的個人和集體,均已在文中以明確方式標明。本人完全意識到本聲明的法律后果由本人承擔。作者簽名:正印日期:勿形年3月∫7日學位論文版權使用授權書本學位論文作者完全了解學校有關保留、使用學位論
4、文的規(guī)定,即:研究生在校攻讀學位期間論文工作的知識產權單位屬華南理工大學。學校有權保存并向國家有關部門或機構送交論文的復印件和電子版,允許學位論文被查閱(除在保密期內的保密論文外);學?？梢怨紝W位論文的全部或部分內容,可以允許采用影印、縮印或其它復制手段保存、匯編學位論文。本人電子文檔的內容和紙質論文的內容相一致。本學位論文屬于:□保密(校保密委員會審定為涉密學位論文時間:_年~月~日),于_年~月~日解密后適用本授權書。硒不保密,同意在校園網(wǎng)上發(fā)布,供校內師生和與學校有共享協(xié)議的單位瀏覽;同
5、意將本人學位論文提交中國學術期刊(光盤版)電子雜志社全文出版和編入CNKI《中國知識資源總庫》,傳播學位論文的全部或部分內容。(請在以上相應方框內打“√”作者簽名):豇日期:刀沽、3·∫F.指導教師簽名:‰
6、矽日期:'〃、3。、作者聯(lián)系電話:電子郵箱`了:聯(lián)系地址(含郵編):摘要隨著數(shù)字圖像的創(chuàng)作和獲取越來越方便，數(shù)字圖像的數(shù)量呈現(xiàn)爆炸式增長，每天網(wǎng)絡上被分享的圖像不計其數(shù)，而圖像數(shù)量的劇增使得圖像管理工作變得耗時而繁重。人們往往傾向于獲取和保存高質量的圖片。在圖像檢索、圖像設計、藝術作品風格分
7、析、人機交互等任務中，都離不開圖像的美感評估問題。于是，近年來計算機自動圖像美感評估的研究應運而生。本文主要研究圖像美感自動評估的問題，即利用計算機模擬人類思維，對圖像的美感程度給出判斷，本文主要將圖像分為高美感和低美感類別。常用的圖像美感評估方法主要有：（1）針對性地手工設計并提取圖像特征，利用機器學習方法進行分類；（2）提取圖像的局部通用特征（genericfeatures），并利用機器學習方法進行分類。上述兩種方法都難以全面而準確地表達圖像美感信息。近年來，深度學習方法的發(fā)展得到了越來越廣
8、泛的關注，其在處理計算機視覺問題上不斷取得突破。深度學習方法直接分析圖像矩陣，通過網(wǎng)絡學習可以自動獲取特征表達。本文嘗試將深度學習方法引入圖像美感評估研究，主要研究了基于深度卷積神經網(wǎng)絡（ConvolutionalNeuralNetworks，CNN）的圖像美感分類，并將手工設計特征和深度網(wǎng)絡特征進行結合，取得了比現(xiàn)有圖像美感分類方法更好的效果。具體工作及創(chuàng)新點如下：1、針對圖像美感問題，設計并行深度卷積神經網(wǎng)絡。理解深度學習網(wǎng)絡的特征學習能力，綜合考慮影響圖像美感的顏色、亮度、構圖等信息，設計
9、了不同的圖像描述矩陣作為并行網(wǎng)絡的輸入，最后將特征有效組合，以獲取更全面表達圖像美感信息的特征。從實驗結果分析與對比來看，本文的并行深度卷積神經網(wǎng)絡算法取得了比圖像美感評估中現(xiàn)有的手工設計特征、局部通用特征、和已有最新深度學習方法都更好的美感分類效果。2、手工設計特征往往是直接從圖像特點、美學規(guī)則、視覺心理學等方面進行設計的，本文將手工設計特征和深度卷積神經網(wǎng)絡特征結合起來，以從不同角度更全面地表征圖像的美感信息。對目前主流的圖像美感圖庫，利用結合的特征和SVM機器學習方法學習得到圖像美感分類器
