【摘 要】
：
随着互联网技术与信息产业的发展,以及各种图片分享类网站的出现,如今我们已经步入图像时代。图像是一种直观的媒体资源,在日常生活中扮演着重要角色。图像分类是计算机视觉
论文部分内容阅读
随着互联网技术与信息产业的发展,以及各种图片分享类网站的出现,如今我们已经步入图像时代。图像是一种直观的媒体资源,在日常生活中扮演着重要角色。图像分类是计算机视觉、机器学习领域的重要研究内容。传统图像分类方法仅使用图像视觉特征,但是图像视觉特征与图像要表达的高层语义之间有很大差别,从而导致分类性能较低。目前,直接从图像底层特征中提取出高层语义信息的方法研究得不多,而与图像相关的标注是图像所表达语义信息最直接的描述,因此,研究者开始将图像标注信息引入到图像分类任务中。随着如Flickr、Facebook等图片共享网站和社交媒体的出现,带标注的图像越来越容易获取,研究如何将标注信息融入到图像场景分类任务中己迫在眉睫。已有研究者使用多模态学习、多任务学习和迁移学习等方法,将图像相关的文本信息引入图像分类任务中,实验表明引入与图像相关的文本信息对图像分类性能有所提升。由于超图可以保留高阶关系,超图学习的方法也可应用到图像场景分类中。现有的基于超图学习的图像场景分类方法,均未考虑各个超边之间的关系。本文通过扩展超图学习模型,将超边间的相关性引入到超图学习中,并把与图像相关的标注信息用来计算超边间的相关性,提出一种基于超边相关性的图像场景分类方法。为验证本方法的有效性,本方法分别在LabelMe、UIUC数据集上做实验,分析各个参数对于本方法性能的影响,并与其他将标注信息引入到图像场景分类的方法做比较,实验结果验证了本方法对超图学习模型扩展的有效性。
其他文献
伴随多租赁理念在业界的推广应用,基于SaaS模式的应用已经成为一种高效、先进的业务应用解决方案。单实例多租赁(Single Instance Multi-tenancy)的应用模式体现出其低费用,
作为一种新兴的计算平台,图形处理器(GPU)在科学计算和工程领域展现出巨大的计算能力。GPU也很快由单纯的图形处理加速单元,演变成适合通用计算的处理器(GPGPU)。然而随着计
伴随着计算机的发展过程,各种处理操作现均慢慢要求在处理速度上让用户满意,以增加体验。图像分割作为计算机视觉中一个基础而重要的学科,到现在为至已经被广泛研究。从原有
近年来，问答类社会网络迅速发展，用户量快速增长。经过数年的积累，以人为核心的问答类社会网络正成为互联网的主体应用之一。然而，随着社会网络的蓬勃发展，互联网安全受到了新的挑
中文音译人名属于未登录词,而未登录词识别是自动分词技术的关键问题,自动分词是信息检索、信息抽取及知识发现等方面起着很重要的作用。目前在音译名的识别方面已有很多的研
近年来，视频追踪将计算机视觉、模式识别、人工智能等学科的技术很好的融合在一起，成为视觉研究领域内一个非常活跃的分支，具有广阔的应用前景。尽管已有很多目标追踪算法，但是，由
虚拟化技术在当前数据中心中应用越来越普遍。虚拟化技术通过在同一个物理机上运行多个虚拟机来提高硬件资源的利用率。大规模的数据中心应用虚拟化技术实现资源的高效利用,
随着脑科学研究的发展，一种融合了传统机器智能与大脑智能的混合智能系统的实现变成可能。混合智能系统可以突破传统的人工智能在机器智能方面的局限性，为人工智能发展领域开辟
随着云计算的兴起,软件的交付与使用模式正在发生着变化。作为云计算的一部分,PaaS平台为SaaS应用提供完整的开发、部署及运行环境。租户通过PaaS平台租用自己所需的SaaS应用
随着互联网技术的高速发展,网络中积累了大量的数字图像和视频数据,这些数据为人们的使用带来了新的技术挑战。为此,许多专家学者对图像分类、图像检索、目标识别等领域进行