基于對象深度特征融合的圖像表征方法研究.pdf

1、在互聯(lián)網大數據時代中，相對于文字來說，圖像包含豐富的內容信息且具有更加直觀的表達方式，使得圖像逐漸成為大數據中不可缺少的一部分。但是圖像數據相對于文本和音頻數據更加龐大復雜。因此如何讓計算機更加有效的組織和利用這些圖像數據成為當下的一個研究熱點。
　　目前，借助于硬件設備的發(fā)展和大數據的出現(xiàn)，卷積神經網絡在計算機視覺領域的各個應用中取得了巨大的成功。與人工設計的傳統(tǒng)視覺特征相比，基于學習的卷積神經網絡能夠從大數據中自動學習到視覺特

2、征，并且可以針對不同的應用從訓練數據中學習更加具有針對性的特征表示。雖然早期的計算機視覺算法受限于人工設計的視覺特征，但是其中仍有一些對特征使用的思想值得借鑒。另外，圖像通常是由多個對象所構成，對這些對象的分析往往是理解圖像信息的關鍵。因此本文通過結合深度學習和人工特征中融合的思想，提出兩個基于對象的深度特征融合算法以生成特定的圖像特征表示，分別用于基于內容的圖像檢索和細粒度分類應用。
　　本文首先提出一種基于對象的深度特征聚合方

3、法，它通過融合編碼圖像中潛在對象的深度特征來表示圖像。該方法能夠生成對圖像幾何變換和對象空間布局變化具有高魯棒性的圖像表示，適用于基于內容的圖像檢索應用。然后，本文提出另一種基于對象的深度特征聚合方法，它在只用類別標簽的條件下對多尺度的對象部件進行篩選和融合，以生成具有高區(qū)分性且能夠辨別細微區(qū)別的圖像表示。該圖像表示的特點則適用于細粒度分類任務。最后，本文在一系列基準數據集上通過與最先進方法的對比實驗驗證了本文提出的兩個方法在各自領域中