基于深度學(xué)習(xí)的圖像語義提取與圖像檢索技術(shù)研究

《基于深度學(xué)習(xí)的圖像語義提取與圖像檢索技術(shù)研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、東華大學(xué)碩士學(xué)位論文基于深度學(xué)習(xí)的圖像語義提取與圖像檢索技術(shù)研究專業(yè)名稱：控制科學(xué)與工程作者姓名：羅世操指導(dǎo)教師：丁永生學(xué)校代碼：10255學(xué)號(hào)：2131148基于深度學(xué)習(xí)的圖像語義提取與圖像檢索技術(shù)研究ImageSemanticsExtractionandRetrievalbasedonDeepLearning學(xué)院：信息科學(xué)與技術(shù)學(xué)院專業(yè)：控制科學(xué)與工程姓名：羅世操導(dǎo)師：丁永生教授2016年1月東華大妻學(xué)位論文原創(chuàng)性巧明本人鄭重聲明：我恪守學(xué)術(shù)道德，崇尚嚴(yán)謹(jǐn)學(xué)風(fēng)。所呈交的學(xué)位論文，是本人在導(dǎo)師的指導(dǎo)下，獨(dú)立進(jìn)行研究工作所取得的成果。除文中

2、己明確注明和引用的內(nèi)容外，本論文不包含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫過的作品及成果的內(nèi)容。論文為本人親自撰寫，我對所寫的內(nèi)容負(fù)責(zé)，并完全意識(shí)到本聲明的法律結(jié)果由本人承擔(dān)。學(xué)位論文作者簽名’追托；羅曰期《Ｚ：八年月沖日ｉ．ＩＩ．：東華大學(xué)學(xué)位論文版枚使用授權(quán)書學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，同意學(xué)校保留并向國家有關(guān)部口或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱或借閱。本人授權(quán)東華大學(xué)可［＾將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索，可Ｗ采用影印、縮印或掃描等復(fù)制手段保存

3、和匯編本學(xué)位論文。保蠢□？，在年解密后適用本版權(quán)書。本學(xué)位論文屬于不操密曰（學(xué)位論文作者簽名；若指導(dǎo)教師簽曰期：義年么月呼曰曰期：心＞＇（年心月曰啥基于深度學(xué)習(xí)的圖像語義提取與圖像檢索技術(shù)研究摘要隨著移動(dòng)互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展和智能手機(jī)廣泛普及，用戶每天都會(huì)上傳分享海量的圖像。如何讓用戶在海量的數(shù)據(jù)中準(zhǔn)確地找到自己真正需要的信息，讓企業(yè)有效地整合其龐大的圖像數(shù)據(jù)資源，是當(dāng)前很重要的研究課題。然而，傳統(tǒng)的基于內(nèi)容的圖像檢索技術(shù)是基于圖像底層視覺特征的，和人對圖像的認(rèn)知存在著巨大的“語義鴻溝”問題。因此，為了解決“語義鴻溝”問題而提出的基于語義

4、的圖像檢索成為圖像檢索領(lǐng)域中急需解決的關(guān)鍵問題之一。深度學(xué)習(xí)是在借鑒人腦視覺機(jī)制的基礎(chǔ)上發(fā)展起來的，和人腦視覺機(jī)制一樣，也是逐層迭代、逐層抽象的過程。深度學(xué)習(xí)最大的優(yōu)勢是可以自主學(xué)習(xí)圖像特征，從最底層的方向邊緣特征到物體結(jié)構(gòu)特征直至更抽象的特征。針對語義鴻溝問題，本論文基于深度學(xué)習(xí)理論，構(gòu)建一個(gè)從圖像底層視覺特征到高級語義特征逐層迭代、逐層抽象的深度網(wǎng)絡(luò)映射模型，旨在減小語義鴻溝，得到圖像語義特征提取系統(tǒng)，并深入研究圖像語義相似性度量，為大規(guī)模圖像自動(dòng)標(biāo)注提供良好的基礎(chǔ)，實(shí)現(xiàn)基于語義的圖像檢索技術(shù)，真正有效地利用海量的圖像信息資源。本論文的主要工作如下：（1）針對圖

5、像檢索中語義鴻溝問題，將深度學(xué)習(xí)應(yīng)用到圖像語義特征提取中，構(gòu)建圖像底層視覺特征到高級語義特征逐層迭代、逐層I抽象的映射模型。（2）針對標(biāo)簽數(shù)據(jù)資源有限、無法支撐起深度網(wǎng)絡(luò)訓(xùn)練的現(xiàn)實(shí)情況，提出了一種無監(jiān)督的深度學(xué)習(xí)算法。先利用稀疏降噪自動(dòng)編碼器無監(jiān)督地學(xué)習(xí)得到卷積核（對應(yīng)于視覺機(jī)制中的感受野），然后利用遷移學(xué)習(xí)理論，把學(xué)習(xí)得到的卷積核傳遞給卷積神經(jīng)網(wǎng)絡(luò)。對于卷積核的個(gè)數(shù)和池化尺度對于圖像分類準(zhǔn)確率的影響做了深入研究。同時(shí)，采取了多級分類器級聯(lián)的方法來提高分類準(zhǔn)確率。若移除最后分類器模塊，則可以把其當(dāng)成一個(gè)圖像語義特征提取器，根據(jù)圖像相似性度量方法，可以得到各圖像之間的

6、相似度，實(shí)現(xiàn)快速圖像檢索。（3）基于深度學(xué)習(xí)理論，提出了一種樸素的基于深度學(xué)習(xí)的圖像標(biāo)注方法。利用訓(xùn)練好的深度卷積神經(jīng)網(wǎng)絡(luò)提取待標(biāo)注圖像的語義特征，然后利用相似性度量得到基準(zhǔn)庫中最相近一些的圖像，根據(jù)這些圖像的自帶標(biāo)簽對待標(biāo)注圖像進(jìn)行語義標(biāo)注。在綜合考慮加大網(wǎng)絡(luò)深度能夠提高網(wǎng)絡(luò)抽象能力和隨之帶來的“梯度彌散”問題上，結(jié)合現(xiàn)有的數(shù)據(jù)集，在深度卷積神經(jīng)網(wǎng)絡(luò)中引入了多級特征級聯(lián)的方式，從而提高系統(tǒng)的魯棒性，提高語義標(biāo)注的準(zhǔn)確率。（4）最后，根據(jù)上面的研究設(shè)計(jì)了一個(gè)基于深度學(xué)習(xí)的圖像語義提取和檢索的原型系統(tǒng)。關(guān)鍵詞：深度學(xué)習(xí)，圖像語義，圖像檢索，圖像標(biāo)注，多分類器級聯(lián)III

7、mageSemanticsExtractionandRetrievalbasedonDeepLearningABSTRACTWiththeprevalenceoftheInternetandthesmartphones,theusersuploadalargenumberofimagesontheweb.It’sdifficultforuserstofindwhattheyreallyneedfromtheseaofimages.It’salsonoteasyfortheInternetcompanyeffectivelyintegrateitsmassivei