場(chǎng)景識(shí)別技術(shù)作為機(jī)器視覺(jué)領(lǐng)域中的關(guān)鍵技術(shù)之一,已經(jīng)發(fā)展成為深度學(xué)習(xí)方向的重要研究問(wèn)題之一,與此同時(shí)也是圖像識(shí)別領(lǐng)域的一個(gè)研究技術(shù)難點(diǎn)。如果能夠有效地提高場(chǎng)景圖像的識(shí)別率,將極大程度地推動(dòng)人機(jī)交互、視頻和圖像檢索、智能視頻監(jiān)控等領(lǐng)域的發(fā)展并且能夠帶來(lái)巨大的經(jīng)濟(jì)效益。因此,有效提高場(chǎng)景識(shí)別技術(shù)具有十分重要的意義和挑戰(zhàn)性。場(chǎng)景圖像普遍存在照射角度、光照強(qiáng)度、形狀改變、部分遮擋和背景混入等情況,導(dǎo)致場(chǎng)景圖像呈現(xiàn)類(lèi)內(nèi)差異大和類(lèi)間差異小的特點(diǎn)。近年來(lái),研究者做出了很多努力,來(lái)探尋有效的特征表示以提高場(chǎng)景的識(shí)別性能。在早期研究中,主要是利用先驗(yàn)知識(shí)設(shè)計(jì)用于提取場(chǎng)景圖像的淺層視覺(jué)特征。這些淺層特征表示方法能夠在早期的簡(jiǎn)單場(chǎng)景圖像數(shù)據(jù)集上取得令人信服的結(jié)果。但是,針對(duì)那些更具挑戰(zhàn)性的大型的場(chǎng)景識(shí)別數(shù)據(jù)庫(kù),則識(shí)別效果不佳。近年來(lái),深度學(xué)習(xí)理論在計(jì)算機(jī)領(lǐng)域取得了有目共睹的巨大成功,基于深度特征的場(chǎng)景識(shí)別方法的性能普遍比基于淺層特征的方法要優(yōu)越。研究發(fā)現(xiàn)場(chǎng)景圖像的目標(biāo)屬性有助于提高場(chǎng)景圖像的識(shí)別率,場(chǎng)景圖像的目標(biāo)語(yǔ)義特征屬于高層特征。本人在前人的工作基礎(chǔ)上,研究深度特征融合的場(chǎng)景識(shí)別算法。本文的主要研究?jī)?nèi)容如... 

【文章來(lái)源】：南京郵電大學(xué)江蘇省

【文章頁(yè)數(shù)】：65 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

ImageNet數(shù)據(jù)集場(chǎng)景樣本圖

碩士研究生學(xué)位論文 據(jù)集[48]是一個(gè)室內(nèi)場(chǎng)景數(shù)據(jù)集，有 67 個(gè)場(chǎng)景，包括：休閑場(chǎng)所，總共有 15620 張圖像，所有圖像在最小軸上的最部分圖片如圖 1.2 所示。

圖 1.2 MIT67 數(shù)據(jù)集場(chǎng)景樣本圖據(jù)集9]是一個(gè)大型場(chǎng)景數(shù)據(jù)集，場(chǎng)景類(lèi)別數(shù)為 899，共有 13N397 數(shù)據(jù)集，其中共含 397 個(gè)場(chǎng)景類(lèi)別，一共有 108,75據(jù)集中 397 個(gè)良好采樣的類(lèi)別，其包含不同種類(lèi)的室內(nèi)場(chǎng)像如圖 1.3 所示。


本文編號(hào)：3299394