基于深度學(xué)習(xí)的圖像語(yǔ)義提取與圖像檢索技術(shù)研究.pdf

1、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(hù)每天都會(huì)上傳分享海量的圖像。如何讓用戶(hù)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(jué)特征的，和人對(duì)圖像的認(rèn)知存在著巨大的“語(yǔ)義鴻溝”問(wèn)題。因此，為了解決“語(yǔ)義鴻溝”問(wèn)題而提出的基于語(yǔ)義的圖像檢索成為圖像檢索領(lǐng)域中急需解決的關(guān)鍵問(wèn)題之一。
　　深度學(xué)習(xí)是在借鑒人腦視覺(jué)機(jī)制

2、的基礎(chǔ)上發(fā)展起來(lái)的，和人腦視覺(jué)機(jī)制一樣，也是逐層迭代、逐層抽象的過(guò)程。深度學(xué)習(xí)最大的優(yōu)勢(shì)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(duì)語(yǔ)義鴻溝問(wèn)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(jué)特征到高級(jí)語(yǔ)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(yǔ)義鴻溝，得到圖像語(yǔ)義特征提取系統(tǒng)，并深入研究圖像語(yǔ)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(yǔ)義的圖像檢索技術(shù)，真正有效地利用海

3、量的圖像信息資源。本論文的主要工作如下：
　?。?）針對(duì)圖像檢索中語(yǔ)義鴻溝問(wèn)題，將深度學(xué)習(xí)應(yīng)用到圖像語(yǔ)義特征提取中，構(gòu)建圖像底層視覺(jué)特征到高級(jí)語(yǔ)義特征逐層迭代、逐層抽象的映射模型。
　?。?）針對(duì)標(biāo)簽數(shù)據(jù)資源有限、無(wú)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(wú)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(wú)監(jiān)督地學(xué)習(xí)得到卷積核（對(duì)應(yīng)于視覺(jué)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(duì)于卷積核的

4、個(gè)數(shù)和池化尺度對(duì)于圖像分類(lèi)準(zhǔn)確率的影響做了深入研究。同時(shí)，采取了多級(jí)分類(lèi)器級(jí)聯(lián)的方法來(lái)提高分類(lèi)準(zhǔn)確率。若移除最后分類(lèi)器模塊，則可以把其當(dāng)成一個(gè)圖像語(yǔ)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相似度，實(shí)現(xiàn)快速圖像檢索。
　?。?）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(yǔ)義特征，然后利用相似性度量得到基準(zhǔn)庫(kù)中最相近一些的圖像，根據(jù)這些圖像的自帶標(biāo)簽對(duì)待