开题报告基于深度神经网络的图片检索系统设计与实现

开题报告基于深度神经网络的图片检索系统设计与实现

ID:34030402

大小:71.86 KB

页数:13页

时间:2019-03-03

开题报告基于深度神经网络的图片检索系统设计与实现_第1页
开题报告基于深度神经网络的图片检索系统设计与实现_第2页
开题报告基于深度神经网络的图片检索系统设计与实现_第3页
开题报告基于深度神经网络的图片检索系统设计与实现_第4页
开题报告基于深度神经网络的图片检索系统设计与实现_第5页
资源描述:

《开题报告基于深度神经网络的图片检索系统设计与实现》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库

1、北京邮电大学硕士研究生学位论文开题报告学号:2013140364姓名:学院:计算机学院专业(领域):计算机技术研究方向:人工智能与智能信息处理导师姓名:王小捷攻读学位:工程硕士2014年12月12日北京邮电大学硕士研究生学位论文开题报告论文题目基于深度神经网络的图片检索系统设计与实现选题来源非立项论文类型应用研究开题日期2014-12-01开题地点新科研楼809-12-北京邮电大学硕士研究生学位论文开题报告一、立题依据(包括研究目的、意义、国内外研究现状和发展趋势,需结合科学研究发展趋势来论述科学意义;或结合国民经济和社会发展中迫切需要解决

2、的关键科技问题来论述其应用前景。附主要参考文献目录)(不少于800字)1、研究背景及意义近些年来,随着移动互联网飞速发展,人们的交互方式也发生了巨大的变化,从传统的“手敲眼看”,发展到现在的“说、拍”,越来越便利,互联网上的图片信息、声音信息等多媒体信息出现爆炸式增长,从海量的多媒体信息中快速提取有价值的知识具有广阔的潜在价值和应用前景。从发展过程来看,图片检索有两大类,一类是基于关键字或描述来搜索图片,可以看作“文找图”,这种方式需要人工标注大量的数据,工作量太大,数据难收集,此外图片本身表达的信息量远远大于文字,“一图胜千言”,表达信息

3、丰富,不同的人对图片的描述不尽相同,具有主观性和不准确性等弊端,因此基于文本的检索越来越不能满足人们的需求。另一种方式是20世纪90年代兴起的,基于内容的图片检索(content-basedimageretrieval,CBIR),也就是常说的“图找图”方式,更满足当今移动互联网的发展趋势。基于内容的图片检索并不依赖关键字,系统输入为图片,这种方式符合人类最自然的查找方式。实际上,视觉总是侧重于两个焦点,背景和目标主体,而一些次要信息就被忽略了,然而目标主体的出现往往伴随光照、尺度、旋转等变化,所以查找时候需要提取各种特征,而不是直接的图片

4、像素查找,需要基于图片抽象属性(场景语义、行为语义和情感语义)等更深层次的特征进行检索,这些问题已经成为当前研究热点。2、国内外研究现状CBIR系统对互联网公司来说,具有重大的战略意义,是移动互联网新入口,实际上各大公司很早就开始布局,并且已经有很多优秀的系统在国内外得到应用,如谷歌的GoogleGoggles、Tinyeye、百度识图等。CBIR系统有两大关键部分特征提取和索引建立,分别影响着检索系统的准确度和时间效率,需综合考虑。当前主要研究方法有BagofVisualWords(BOV)模型和Hash模型两种。BOV应用很广,各种各样

5、的改进版本层出不穷。Hash模型近些年来也获得了极大发展,主要有LocationSensitiveHash(LSH)、SpecticalHash、神经网络Hash三类。BagofVisualWords(BOV)模型,它首先对海量图片提取特征描述符,然后通过K-means方法选出基描述符,做成词典,再对每个图片用KNN方法转换成描述符文档,最后利用文本检索积累下来的技术进行搜索,这种方法成熟有效,并且出现各种改进方法,例如嵌入hamming码减少经验误差,增进单个描述符的表现能力。Hash模型因为时空复杂度低,已经发展成为新的热点,它主要有三

6、种方法LocationSensitiveHash(LSH)、SpecticalHash、神经网络Hash,LSH采取的策略是人工设定一些LSH函数组,人工定义hash,优点是简单有效,缺点是鲁棒性差,尽管如此对它的改进和研究是所有三种方法中最多的。SpecticalHash是比较新颖的算法,它对整个过程进行建模,对整个Hash进行建模,给出了问题的形式化定义,并通过解积分方程的方式得到解析解,可是仍具有鲁棒性不佳的缺点。神经网络Hash是通过神经网络hash,是通过深度神经网络自学习的方式提取图片的深层语义特征,在学习中将特征转换成二值化H

7、ash码的方式,这种方式人工参与度少,自学习效果好,并且鲁棒性好,具有很大的潜力和优势。现在深度神经网络已经得到了极大发展,是当前最火的研究热点之一,已经发展出多种类型:深度循环神经网络、卷积神经网络、DeepAutoencode-12-北京邮电大学硕士研究生学位论文开题报告网络等等,并且已经取得极大成就,成果已经拓展到图片任务的各个角落,对图片分类、标注、分割等任务的发展都起到了跨越式的促进作用,究其原因在于它能使用很少的参数很好拟合函数分布,不仅能用于提取图片深层特征,还能提取图片的深层语义表示等等,并具有非常强的可操作性。图片检索的两

8、大核心问题是特征提取、索引建立,深度神经网络非常适合完成这两类任务。-12-北京邮电大学硕士研究生学位论文开题报告二、研究内容和目标(说明课题的具体研究内容,研究目标和效果,以及

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。