基于視覺詞包模型的大規(guī)模目標(biāo)分類和檢索.pdf_第1頁(yè)
已閱讀1頁(yè),還剩58頁(yè)未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、具有照相功能的手機(jī)、數(shù)字計(jì)算機(jī)的快速增加和社交網(wǎng)絡(luò)的迅速發(fā)展,使得數(shù)字圖像的數(shù)量以指數(shù)級(jí)增加.因此,處理海量圖像的相關(guān)技術(shù)成為當(dāng)前的研究熱點(diǎn).其中,大規(guī)模目標(biāo)分類和目標(biāo)檢索技術(shù)是兩個(gè)重要研究方向。研究者將詞包模型(Bag of Words, BOW)的思想引入圖像領(lǐng)域,提出了視覺詞包模型(Bag of Visual Words, BOVW)。視覺詞包模型分為視覺詞典生成階段和局部特征量化階段兩個(gè)階段。視覺詞典生成階段是從圖像局部特征庫(kù)訓(xùn)

2、練得到一部分局部特征作為詞典中詞匯。對(duì)于基于內(nèi)容的目標(biāo)分類和檢索,基于聚類的方法生成的詞典更有代表性和區(qū)分性.因此,局部特征量化階段使用的量化方法直接決定著BOVW模型的分類和檢索性能。另外,對(duì)于高維BOVW特征,如何有效的存儲(chǔ)和匹配對(duì)大規(guī)模圖像檢索技術(shù)提出巨大的挑戰(zhàn)。
  本研究主要內(nèi)容包括:⑴研究了視覺詞包模型中不同的量化方法,實(shí)驗(yàn)結(jié)果表明基于半徑量化的視覺詞包特征性能低于K-近鄰量化直方圖特征的性能,基于此本文提出了局部特征

3、利用率,從理論上解釋了實(shí)驗(yàn)結(jié)果的合理性。⑵利用BOVW特征的稀疏性和倒排索引查詢的有效性,我們提出了一種新的壓縮視覺詞包特征(Compressed Bag of Visual Words, CBOVW). CBOVW有效的降低了特征維數(shù),進(jìn)而減少了匹配過程的計(jì)算復(fù)雜度。⑶利用基于哈希的方法對(duì)大規(guī)模目標(biāo)檢索的有效性,我們用譜哈希(Spectral Hashing, SH)技術(shù)加速CBOVW匹配過程,提出了一種新的算法快速壓縮視覺詞包特征(

溫馨提示

  • 1. 本站所有資源如無(wú)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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論