基于深度學習的圖像語義理解研究.pdf_第1頁
已閱讀1頁，還剩66頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、隨著網(wǎng)絡上圖像的日益激增，圖像檢索成為研究熱點。準確理解圖像是迅速檢索圖片的重要前提。
　　本文研究的內容是使用一句既包含主體又包含場景的語句，理解并標注一幅含有人的圖像。傳統(tǒng)語義理解方法主要側重圖像理解或自然語言處理，效率低且耗時長。應用海量數(shù)據(jù)無監(jiān)督訓練并采用有監(jiān)督調優(yōu)的深度學習因為在圖像分類挑戰(zhàn)競賽表現(xiàn)突出，逐漸成為當前圖像處理的主流方法，遞歸循環(huán)神經(jīng)網(wǎng)絡也逐漸成為自然語言處理的主要方法。基于深度學習的圖像語義理解尚處研究初

2、期，因此鮮有相關工作發(fā)布。
　　本文增加基于深度學習的圖像描述生成系統(tǒng) NIC長短時記憶循環(huán)網(wǎng)絡層，經(jīng)過預訓練得到初始模型、在初始模型基礎上有監(jiān)督調優(yōu)后，設計了端到端的圖像語義理解系統(tǒng)DLNN。使用含有人的圖片測試DLNN結果表明，在人物自拍、半身照、全身照等類別圖像上均能有效理解出主體和場景。在公開數(shù)據(jù)集上測試DLNN的BleU指標，驗證了DLNN在圖像的語義化理解上的有效性。進一步，本文參考 MLBL-F改進 MLBL-B的方

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論