基于MM#QL的图像集视觉总结.PDFVIP

第 卷 第 期 计 算 机 工 程 年 月 图形图像处理 文章编号 文献标志码 中图分类号 基于的图像集视觉总结 张文凯 孙 皓 孙显 王宏琦 中国科学院电子学研究所北京 中国科学院空间信息处理与应用系统技术重点实验室北京 中国科学院大学北京 摘 要 现有图像集视觉总结方法主要使用浅层视觉特征或者直接应用已训练的卷积神经网络模型提取图像深 层特征选取的图像不具代表性 为此分析并研究图像集视觉总结的图像特征表示方法提出多特征图融合生成 对抗网络模型 该模型中的判别器通过多特征图融合的方式提取图像特征使提取的特征能表示图 像细节和高层语义信息并在多特征图融合层后添加 自编码网络对特征进行降维避免特征维度灾难问题 数据集上的实验结果验证了模型的有效性并表明其能有效提升图像集视觉总结多样性 关键词 生成对抗网络特征学习视觉总结多特征图融合 自编码网络 中文引用格式张文凯孙皓孙显等基于 的图像集视觉总结计算机工程 英文引用格式 近年来国内外许多专家学者致力于提升图像集 概述 视觉总结效果 现有研究使用低层视觉特征 随着照片分享网站上图像数量的爆炸性增长 等表示图像提取特征时需要根据不同 用户从网站上快速有效地找到感兴趣的图像变得越 的场景或目标进行设计特征提取费时费力或者直 来越困难图像集视觉总结可以帮助用户快速找到 接使用训练好的卷积神经网络 感兴趣的图像 图像集视觉总结是从大量图像集中 模型提取特征不能有效地适应各种 选择少量具有代表性的图像表示原始图像集 图像 图像集视觉总结数据集 本文分析并研究了图像集视觉总结中的图像特征 集视觉总结不仅有助于组织管理大图像集 而且 可以提升照片有哪些信誉好的足球投注网站结果