基于多示例學(xué)習(xí)的圖像檢索方法研究.pdf

1、視覺是人類獲取信息最主要的方式，而且圖片通常能夠表達(dá)比文本、聲音更豐富的內(nèi)容和含義。同時(shí)，近年來(lái)隨著圖像采集設(shè)備普及，每天都有大量圖片數(shù)據(jù)生成。因此快速?gòu)暮Ａ繄D像數(shù)據(jù)獲取感興趣的圖像變的很有價(jià)值和意義。通常的基于機(jī)器學(xué)習(xí)的語(yǔ)義圖像檢索系統(tǒng)是通過(guò)提取整幅圖片特征進(jìn)行訓(xùn)練，建立底層視覺和語(yǔ)義標(biāo)簽之間的映射模型，而來(lái)自現(xiàn)實(shí)世界的圖片通常含有多個(gè)對(duì)象，因此整幅圖片的特征通常因?yàn)橛衅渌麑?duì)象的信息而被污染，導(dǎo)致訓(xùn)練的模型不能有很好的結(jié)果。本文提出了

2、基于多示例學(xué)習(xí)的圖片自動(dòng)語(yǔ)義標(biāo)注模型，能夠?qū)D片看作包含多個(gè)對(duì)象的包并從中學(xué)習(xí)感興趣對(duì)象的特征，從而能夠排除訓(xùn)練圖片中非感興趣對(duì)象的干擾，使分類器收斂到更好的結(jié)果。
　　為了使用多示例學(xué)習(xí)框架，首先需要能夠快速有效的將圖片分割成有意義的區(qū)域，本文采用了基于圖的快速圖像分割算法框架，為了確定算法中參數(shù)的取值，定義了衡量算法分割效果的標(biāo)準(zhǔn)，并通過(guò)實(shí)驗(yàn)確定了最優(yōu)參數(shù)取值。為了能夠提取區(qū)域的差異性特征，本課題使用深度卷積網(wǎng)絡(luò)模型，通過(guò)定義

3、識(shí)別和驗(yàn)證雙信號(hào)目標(biāo)函數(shù)，微調(diào)預(yù)訓(xùn)練的Googlenet網(wǎng)絡(luò)模型，訓(xùn)練得到能夠提取差異性特征的特征提取網(wǎng)絡(luò)模型。為了能夠獲得更好的分類效果，通過(guò)研究多示例學(xué)習(xí)算法基礎(chǔ)，設(shè)計(jì)合理選擇訓(xùn)練樣本的方法，即使得負(fù)包中盡可能包含正包中的非感興趣對(duì)象，使得多示例分類器收斂到好的結(jié)果。為了使用基于多示例學(xué)習(xí)算法獲得的特定語(yǔ)義標(biāo)簽的語(yǔ)義標(biāo)注模型，本課題提出了一種類似于“投票”的方式組合所有語(yǔ)義模型產(chǎn)生圖片語(yǔ)義的算法。
　　本課題采用二分類多示例分