检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多距离学习的图像语义自动标注研究

基于多距离学习的图像语义自动标注研究

作者：纪传俊复旦大学

学位级别：硕士

随着数码摄像设备的普及和社交网络的流行,每天有数以万计的数字图像被上传到互联网上并分享。正所谓一图胜千言,海量图像数据中蕴藏着丰富的信息资源有待我们去发掘,而对这些图像进行有效的管理和利用的前提是要对图像进行语义标注。... 详细信息

随着数码摄像设备的普及和社交网络的流行,每天有数以万计的数字图像被上传到互联网上并分享。正所谓一图胜千言,海量图像数据中蕴藏着丰富的信息资源有待我们去发掘,而对这些图像进行有效的管理和利用的前提是要对图像进行语义标注。但互联网上大部分图片本身不具有语义标签,有语义标签的图片又存在着标签错误或者标签不完整等问题,加之人工图像标注代价较高、难以大规模使用,图像语义自动标注(Automatic Image Annotation, AIA)—直是近十年来的热门研究课题,引起了学术界、工业界的广泛关注。图像标注面临的最大挑战来自于高层语义和底层图像视觉特征之间的不匹配,即所谓的“语义鸿沟”。近年来研究者们提出了很多方法尝试跨越语义鸿沟,这些方法大致可以分为两类：其中一类为视觉特征学习技术,主要关注多种图像特征如何综合使用;另一类方法是语义上下文建模技术,主要利用了高层语义概念之间的相关信息。相比之前的标注模型,这两类方法都在标注效果上取得了较显著的提高。如果能进一步将两者结合起来,图像标注准确性应该能得到进一步的提升,然而据我们所知,目前几乎没有工作尝试整合这两种方法。本文提出了一个基于条件随机场(Conditional Random Fields,CRF)的统一模型——“核条件随机场(Kernelized Conditional Random Fields, KCRF)”模型,将稀疏多距离学习和语义上下文建模融合到一个框架中,在底层图像特征学习和语义上下文建模之间建立了紧密的相互作用。具体来讲,CRF负责建模图像语义上下文关系,在CRF的大框架下我们通过引入核Logistic回归(Kernelized Logistic Regression, KLR)[17]实现了多视觉距离学习。我们分别为语义上下文参数和多距离学习参数使用L2正则化项和L1正则化项。语义上下文参数和多距离学习参数在统一的框架下同时学习得到。我们在两个公用数据集——Corel5k和TRECVID2005——上进行了系统的实验,验证KCRF模型的标注性能。从实验结果可以看出,KCRF模型比目前较先进的多特征学习、语义上下文建模等图像标注模型在标注准确度上有比较明显的提高。实验同时证明了KCRF的性能提升来自于上下文建模和多距离学习的结合,而非来自于单独一种方法。另外,当图像特征的数量较多时,KCRF模型也表现得更加稳定。本文还基于较成熟、有效的上下文建模方法实现了一个具有交互功能的图像语义自动标注系统。该系统操作简单,能够对用户上传的图像实现批量式的有效的语义标注,也允许用户使用自己的训练图像集,系统能针对用户提供的图像集进行模型参数训练。通过用户友好的系统界面,可以直观地展示图像的标注效果。该系统还通过人机交互,引导用户对标注结果进行评判,标出正确的标注结果。

关键词：图像语义自动标注多距离学习语义上下文条件随机场图像标注系统

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

一个基于语义上下文建模的图像自动标注系统

计算机研究与发展 2011年第S3期48卷 441-445页

作者：纪传俊刘作涛产文周向东复旦大学计算机科学技术学院上海200433

图像语义自动标注技术的研究在多媒体数据管理领域具有十分重要的理论与应用意义.本演示介绍了一个基于多马尔可夫随机场的图像语义自动标注方法(multiple Markovr andom field,MMRF)的图像语义自动标注与训练系统.通过交互式的图像语... 详细信息

图像语义自动标注技术的研究在多媒体数据管理领域具有十分重要的理论与应用意义.本演示介绍了一个基于多马尔可夫随机场的图像语义自动标注方法(multiple Markovr andom field,MMRF)的图像语义自动标注与训练系统.通过交互式的图像语义标注模型的训练与标注演示,充分展示了MMRF技术的标注性能,并帮助观众更好地了解图像语义自动标注的机理和系统实现过程.

关键词：图像语义自动标注马尔可夫随机场系统实现

基于深度卷积神经网络的图像分类和语义自动标注研究

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于深度卷积神经网络的图像分类和语义自动标注研究

作者：夏元天云南师范大学

学位级别：硕士

随着互联网技术以及移动终端设备的不断发展,图像资源成几何倍数与日俱增,庞大的图像资源对当前的图像识别分类等计算机视觉技术提出了迫切的要求。很长一段时间,图像识别主要通过基于文本的方式进行,但是由于图像所包含信息的复杂性及... 详细信息

随着互联网技术以及移动终端设备的不断发展,图像资源成几何倍数与日俱增,庞大的图像资源对当前的图像识别分类等计算机视觉技术提出了迫切的要求。很长一段时间,图像识别主要通过基于文本的方式进行,但是由于图像所包含信息的复杂性及“语义鸿沟”的存在,仅仅依靠基于文本的方式还无法达到高识别准确率的要求,面对这些难题,图像自动分类和图像语义自动标注技术应运而生,而如何能够有效地提高图像识别效率及准确率成为了该技术的关键。为此,本文主要做了如下工作:(1)本文采用深度卷积神经网络技术以及GPU并行计算技术,实现对目标图像的分类识别。通过在不同规模大小的数据集上进行实验,详细分析对比了当前较为经典的深度卷积神经网络模型的识别效率及识别准确率。(2)本文通过对比分析当前网络模型后,针对其存在的学习效率低、识别准确率差等问题,提出了一种改进的深度卷积神经网络模型。通过在ImageNet、Cifar-10和Mnist数据集上进行实验证明,相比传统的CNN网络模型,本文所提出的改进网络模型能够以更小的网络深度和更高的执行效率大幅提高分类的准确率。(3)本文在基于改进的深度卷积神经网络模型的基础上,继续对改进的模型进行进一步的优化和调整,使其能够适应多标签分类问题,对目标图像实现快速精准的多分类识别。通过在Corel5k和PASCAL VOC 2012数据集上的实验表明,基于改进网络模型在多标签分类中具有较高的准确率,可以有效实现对目标图像的自动语义标注。

关键词：图像识别卷积神经网络 GPU并行计算图像语义自动标注

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

非结构化数据本体及相关算法研究

非结构化数据本体及相关算法研究

作者：刘仙伟广西大学

学位级别：硕士

伴随着社交网络、云计算、大数据等概念及技术的出现,无时无刻都有大量的数据产生,其中以文本、图片、音频、视频等类型为代表的非结构化数据占总数据量的75%,且比值还在逐渐加大。同时,大数据背景下,数据的实时共享及分析将带来不可估... 详细信息

伴随着社交网络、云计算、大数据等概念及技术的出现,无时无刻都有大量的数据产生,其中以文本、图片、音频、视频等类型为代表的非结构化数据占总数据量的75%,且比值还在逐渐加大。同时,大数据背景下,数据的实时共享及分析将带来不可估量的经济价值,同时也极大地推动了社会的进步,而这一切的前提基础在于对数据的有效管理,其中对于非结构化数据进行合理的管理更加显得尤为重要。对于非结构化数据的管理一直以来是一大难题,主要体现在非结构化数据类型多样化,没有预定义规则对其进行描述;针对于不同的非结构化类型数据,具有不同的管理技术,难以统一表示。本文针对以上问题,主要围绕非结构化数据本体研究这一中心,从图像语义自动标注,到建立相关的非结构化数据本体模型,针对模型,提出了相关算法,最终实现对非结构化数据的有效存储及检索这一目的。为实现非结构化数据的语义特征自动获取及自动标注,提出了一种针对图像语义的自动标注方法,通过利用图像底层特征与其场景语义之间的映射关系,将底层特征转换为可实现比较的二进制字符串形式,从而以图像检索方式实现了图像语义的自动标注,实验结果表明,该方法是有效的。为实现非结构化数据的存储及检索,在建立非结构化数据本体模型中,从数据自身特征出发,将非结构化数据以其自身的基本属性、语义属性以及特征属性等信息进行描述,从而将对非结构化数据管理问题转化为针对于相对结构化的数据属性管理问题,进而引入合适的动态后继树索引模型,使得对于非结构化数据的管理方法,具有支持海量数据、动态更新实时性以及满足复杂检索条件的优势。最后通过几个复杂检索示例,验证了该方法在管理非结构化数据上的可用性。

关键词：大数据非结构化数据本体数据模型图像语义自动标注

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于Hadoop视频处理与检索系统

基于Hadoop视频处理与检索系统

作者：温建娇复旦大学

学位级别：硕士

随着数码摄像设备的普及和社交网络的盛行,互联网络上每时每刻都有海量的视频数据从各个终端上传,网络中丰富的视频信息无疑给人们的生活带来了很多愉悦,但是同时随之而来的是视频大数据的管理的难题。试想在无任何组织和管理的视频库... 详细信息

随着数码摄像设备的普及和社交网络的盛行,互联网络上每时每刻都有海量的视频数据从各个终端上传,网络中丰富的视频信息无疑给人们的生活带来了很多愉悦,但是同时随之而来的是视频大数据的管理的难题。试想在无任何组织和管理的视频库中去查找我们感兴趣的一个视频文件,那几乎与大海捞针无异,所以对于大视频数据的有效管理也是使人们能够有效利用视频信息,享受数字化时代信息丰富与便捷的必然要求。然而,与单纯的文字、图片或声音等表达方式相比,视频数据虽然具有制作简单、表意丰富、生动形象、容易引起关注等优点,但也具有非结构化的特点,即数据中包含的信息却无法利用机器直接分析其语义,视频数据处理技术消耗大量计算资源等等方面,使得对视频大数据的有效组织和管理成为一大难题。视频检索是视频数据管理的主要内容,视频数据是一种非结构化、时空并存、数据量大的数据,对视频文件进行检索面临的最大挑战在于如何从二进制的视频数据中提取出表达视频内容的文本信息。一种传统方法是基于文本的视频检索,即利用视频附加的标签进行索引和检索。但原始格式的视频本身通常不具有任何语义标签,而有语义标签的视频又存在着标签错误或者标签不完整等问题,加之利用人工进行标注来获取标签的代价高等现实情况,基于文本的视频检索已经不能满足人们的要求。另一种有效的方法是基于内容的视频检索技术,这种技术实质上是一种机器标注的方法。基于内容的检索技术是指基于信息的内容或特征对多媒体信息进行有效的检索。所谓信息的内容或特征主要是指视频数据中的帧、镜头和场景等,图像数据中的颜色、纹理、轮廓和对象等,音频数据中的音调、音色和旋律等。要进行基于内容的视频检索,首先要建立一个合理的视频数据模型,并在此模型的基础上对视频数据进行分割和特征提取,然后对视频数据进行检索。基于内容的视频检索技术具有广泛的应用领域,如远程监控、多媒体会议、虚拟现实、电视新闻、卫星云图、信息娱乐、交互购物、电影和电视的后期制作等,因此它将对多媒体业产生很大的冲击。本文主要是采用基于内容的视频检索方法,首先通过视频处理工具,分析并得到视频中所表达内容的文本信息,然后利用这些文本信息构建视频索引,最后开发了一个Web接口为用户提供检索平台。该系统对原始视频数据进行图像和音频的分离,然后对图像数据进行自动图片标注,对语音数据进行自动语音识别。最终结合两种处理所生成的含有视频内容的文本来构建索引,从而实现对视频数据的检索。Wleb检索部分,我们使用的是Ajax、JSP和Servlet相结合的方式,在前端界面中输入查询语句,后端从查询语句中抽取出关键字,然后在视频索引中进行检索,最后将检索到的视频文件返回到前端用户界面。本系统的一个创新点在于利用比较成熟有效的Hadoop分布式计算框架,将视频处理的任务分发到不同的计算节点,从而充分利用已有计算资源,节省处理时间提高了处理效率。通过用户友好的系统界面,视频的检索结果可以直观地展示出来,同时我们也实现了处理过程的“一键化”实施,拥有权限的用户登录后可以点击几个按钮就可以对视频进行复杂的处理。同时支持视频数据集的更新,对新添加的视频也可以做到快速地处理与检索。

关键词：视频检索系统 Hadoop分布式处理平台图像语义自动标注自动语音识别文本索引