近年來(lái),圖像檢索技術(shù)、行人重識(shí)別技術(shù)、人臉識(shí)別技術(shù)已經(jīng)被應(yīng)用于日常生活中。這些技術(shù)有一個(gè)共同的技術(shù)基礎(chǔ)就是圖像匹配,即對(duì)兩張圖片的相似程度做出判斷。而基于圖像塊的圖像匹配,其匹配的目標(biāo)則是從原始圖片中提取出的局部區(qū)域。在許多應(yīng)用場(chǎng)合,準(zhǔn)確地判斷兩個(gè)圖像塊的相似程度是非常關(guān)鍵的,例如目標(biāo)識(shí)別、精細(xì)化的分類、圖像拼接、三維重建等,都需要對(duì)圖像塊進(jìn)行匹配。本文立足于研究基于深度遞歸神經(jīng)網(wǎng)絡(luò)的圖像塊匹配問(wèn)題,比較和分析了多種常見(jiàn)的圖像塊匹配算法。通過(guò)對(duì)人類匹配過(guò)程的觀察,可以看出與人類在圖像上固有的匹配過(guò)程相比,原有的圖像匹配算法均可以看作是“一次性”的比較,無(wú)法充分評(píng)估待匹配圖片特征之間的相似程度�；诖�,本文提出了模擬人類匹配過(guò)程的新的圖像塊匹配算法。本文首先提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)和遞歸神經(jīng)網(wǎng)絡(luò)的圖像塊匹配方法。與一般的匹配方法相同,首先利用卷積神經(jīng)網(wǎng)絡(luò)對(duì)待匹配的兩個(gè)圖像塊進(jìn)行特征提取。不同的是之后將提取出的兩個(gè)圖像塊的特征以循環(huán)遞歸的方式作為遞歸神經(jīng)網(wǎng)絡(luò)的輸入,最后利用多個(gè)分類器輸出的相似性分?jǐn)?shù)的均值來(lái)衡量?jī)蓮垐D片的相似度。實(shí)驗(yàn)證明,基于卷積神經(jīng)網(wǎng)絡(luò)和遞歸神經(jīng)網(wǎng)絡(luò)的匹配方法能夠有效模... 

【文章來(lái)源】：上海交通大學(xué)上海市 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：84 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

多模塊共同學(xué)習(xí)描述子[29]

圖 1-2 Siamese 網(wǎng)絡(luò)結(jié)構(gòu)[27]Fig.1-2 Siamese Architecture[27]e 結(jié)構(gòu)[32]已經(jīng)被廣泛應(yīng)用在了計(jì)算機(jī)視覺(jué)的很多方向，包括行跟蹤[34]。[27]中作者提出了利用 Siamese 結(jié)構(gòu)來(lái)解決圖像匹配的即找到一個(gè)函數(shù)，能夠?qū)⑤斎氲膱D像映射到一個(gè)目標(biāo)空間，在

深度排序網(wǎng)絡(luò)結(jié)構(gòu)


本文編號(hào)：3554673