【摘要】：隨著對圖像檢索技術研究的深入,其應用范圍愈加廣泛。圖像檢索與深度學習以及交互式技術相結合逐漸成為研究熱點。目前,針對特定數(shù)據(jù)集的圖像檢索技術依然存在諸多待改進之處。例如,提升圖像的分割效果、抽取特定數(shù)據(jù)的特征以及有效利用用戶反饋。本課題主要針對手機/相機拍攝的皮膚病圖像的檢索進行研究,通過引入遷移學習、相關反饋等方法,來獲得更好的檢索結果。本文針對色素性皮膚病數(shù)據(jù)進行圖像分割、分類與檢索,主要的研究內(nèi)容和成果如下:1.引入用戶意愿,利用DeepMask交互式分割算法對皮膚病圖像進行有效分割。利用DeepMask訓練皮膚病圖像的分割掩膜,通過用戶點擊操作更新掩膜的權值,獲得用戶滿意的目標區(qū)域。2.利用遷移學習對手機/相機拍攝皮膚病小數(shù)據(jù)集圖像進行分類。通過大規(guī)模的同類數(shù)據(jù)集預先訓練InceptionV3模型,獲得初始參數(shù),再微調(diào)該模型完成皮膚病圖像的多分類,獲得圖像的語義標簽。對不同的微調(diào)方式進行對比研究,得到適合皮膚病數(shù)據(jù)集的解決方案。3.提出了基于深度學習與SVM相關反饋結合的交互式檢索算法。傳統(tǒng)特征提取方式無法很好地描述皮膚病圖像的特征,本文利用卷積神經(jīng)網(wǎng)絡進行圖像特征提取,并通過基于SVM的相關反饋算法來不斷學習用戶的檢索意圖,優(yōu)化檢索結果。4.構建了一種基于用戶反饋次數(shù)的交互式檢索算法評價模型。通過度量用戶的交互次數(shù)來評價交互式檢索算法的性能,能夠更好地衡量算法對用戶反饋的敏感程度。
【圖文】：

第三章 基于 DeepMask 的交互式圖像分割1）這個圖像塊包含一個大致處于中間位置的物體2）物體在一定尺度范圍內(nèi)是全部包含在這個圖像塊中DeepMask 利用了 ImageNet 上預訓練好的 VGG-A 模型來初始化網(wǎng)絡，，原網(wǎng)絡結構包含 8 個 3*3 卷積層，5 個 2*2 的最大池化層以及 3 個全連接層。與 VGG-A模型不同的是去掉了最后的三個全連接層和最后一個池化層，用來更好地利用卷積特征映射中的空間信息。由于網(wǎng)絡需要完成輸出掩膜并給出圖像塊中包含物體的概率分數(shù)，在調(diào)整后的網(wǎng)絡后面會接兩個并列的分支網(wǎng)絡分別做分割和打分。其結構如圖 3-1 所示。

圖 3-2 初次標記后分割效果 圖 3-3 再次標記后分割效果3.3.3 算法流程1. 模型訓練：訓練修改后的 VGG 網(wǎng)絡，獲得圖像的若干個分割掩膜。2. 初始化參數(shù)：提取 200 個掩膜，初始化掩膜及其權重。3. 用戶交互：用戶使用點擊圖像邊緣的方式來標記圖像的前景和背景。對于標記為前景的掩膜，通過形態(tài)學膨脹的方式獲得膨脹掩膜，并更新掩膜的權重。對于標記為背景的掩膜，權重設置為最小值。通過權值大小對掩膜進行排序，返回給用戶權值最大的前幾個掩膜圖像。4. 輸出結果：根據(jù)用戶的交互重復步驟 3，直至用戶獲得滿意的分割掩膜，最終輸出分割結果。算法流程圖如 3-4 所示。
【學位授予單位】：電子科技大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：R-05;TP391.41

【相似文獻】

相關期刊論文 前10條

1 陳濤;;基于多示例學習的圖像檢索方法[J];網(wǎng)絡安全技術與應用;2019年04期

2 樂藝;;基于機器學習的大規(guī)模船舶圖像檢索機制[J];艦船科學技術;2019年18期

3 方恩亮;細胞分裂方式圖像檢索[J];中學生物教學;1996年02期

4 冀振燕;姚偉娜;皮懷雨;;個性化圖像檢索和推薦[J];北京郵電大學學報;2017年03期

5 何巖;;以計算機為基礎的色彩圖像檢索方法與研究[J];計算機光盤軟件與應用;2013年12期

6 陳雅芳;;基于顏色特征與紋理特征的圖像檢索[J];硅谷;2012年06期

7 張麗麗;劉昌余;;基于盲取證的醫(yī)學圖像檢索及語義表達研究綜述[J];電腦知識與技術;2012年22期

8 曹梅;;網(wǎng)絡圖像檢索行為與心理研究[J];中國圖書館學報;2011年05期

9 崔文成;邵虹;;基于遺傳算法的圖像檢索中特征權重自動調(diào)整[J];計算機工程與應用;2008年02期

10 聶桂軍;周源;;圖像檢索研究進展[J];南京工業(yè)職業(yè)技術學院學報;2008年02期

相關會議論文 前10條

1 陳世亮;李戰(zhàn)懷;閆劍鋒;;一種基于本體描述的空間語義圖像檢索方法[A];第二十一屆中國數(shù)據(jù)庫學術會議論文集（技術報告篇）[C];2004年

2 王晗;滕鵬;梁瑋;;使用稠密興趣點包的非對稱風景圖像檢索[A];第七屆和諧人機環(huán)境聯(lián)合學術會議（HHME2011)論文集【poster】[C];2011年

3 許天兵;;一種基于語義分類的圖像檢索方法[A];中國圖象圖形學會第十屆全國圖像圖形學術會議（CIG’2001）和第一屆全國虛擬現(xiàn)實技術研討會（CVR’2001）論文集[C];2001年

4 周向東;張亮;張琪;劉莉;殷慷;施伯樂;;一種新的圖像檢索相關反饋方法[A];第十九屆全國數(shù)據(jù)庫學術會議論文集（研究報告篇）[C];2002年

5 李凌偉;周榮貴;劉怡;;基于概念的圖像檢索方法[A];第十九屆全國數(shù)據(jù)庫學術會議論文集（技術報告篇）[C];2002年

6 朱遠清;李才偉;;一種基于前景與背景劃分的區(qū)域圖像檢索方法及實現(xiàn)[A];第十三屆全國圖象圖形學學術會議論文集[C];2006年

7 彭瑜;喬奇峰;魏昆娟;;基于多示例學習的圖像檢索方法[A];第三屆全國信息檢索與內(nèi)容安全學術會議論文集[C];2007年

8 胡敬;武港山;;基于語義特征的風景圖像檢索[A];2009年研究生學術交流會通信與信息技術論文集[C];2009年

9 王云鶴;史淼晶;許超;;基于流形聚類的圖像檢索方法[A];第七屆全國信號和智能信息處理與應用學術會議會刊[C];2013年

10 張世佳;黃鑫;王衡;汪國平;;一種基于綜合區(qū)域比較的圖像檢索方法[A];第一屆建立和諧人機環(huán)境聯(lián)合學術會議（HHME2005）論文集[C];2005年

相關重要報紙文章 前1條

1 ;圖像檢索新技術[N];中國知識產(chǎn)權報;2000年

相關博士學位論文 前10條

1 李瑩;圖像檢索中的特征表達與排序研究[D];大連理工大學;2019年

2 周菊香;圖像檢索中的特征表達和相似性度量方法研究[D];大連理工大學;2019年

3 劉若愚;圖像檢索中的特征學習和索引技術研究[D];北京交通大學;2019年

4 田星;動態(tài)環(huán)境下的圖像檢索問題研究[D];華南理工大學;2019年

5 周容;基于輪廓的圖像檢索研究[D];上海交通大學;2016年

6 于來行;基于視覺注意模型的圖像檢索方法研究[D];大連理工大學;2018年

7 蘇雯;語義分割及其在圖像檢索中的應用[D];中國科學技術大學;2018年

8 張憲林;基于草圖的圖像檢索關鍵技術研究[D];北京郵電大學;2019年

9 李珂;基于草圖的精細圖像檢索[D];北京郵電大學;2019年

10 蘇琨;手指靜脈圖像檢索與融合識別方法研究[D];山東大學;2019年

相關碩士學位論文 前10條

1 王一霄;基于深度學習的圖像檢索研究[D];電子科技大學;2019年

2 王培雷;基于殘差網(wǎng)絡的多標簽圖像檢索方法研究[D];桂林電子科技大學;2019年

3 王娟;基于社會化標簽和顯著性區(qū)域的深度學習圖像檢索方法[D];西北大學;2019年

4 趙恒川;基于語義的交互式圖像檢索[D];電子科技大學;2019年

5 艾妮;圖像檢索中局部特征聚合的研究[D];吉林大學;2019年

6 苗壯;熵在圖像檢索領域的應用算法研究[D];吉林大學;2019年

7 郭慧俐;面向區(qū)域表達的實例檢索方法研究[D];吉林大學;2019年

8 杜安鈺;基于隱私保護的多特征圖像檢索算法研究[D];新疆大學;2019年

9 陳建華;基于多特征融合與LSH的密文圖像檢索研究[D];中南林業(yè)科技大學;2019年

10 呂明;基于多特征編碼的圖像檢索[D];河南大學;2019年

本文編號：2650179