期刊专题

10.3724/SP.J.1089.2018.16235

结合深度特征与多标记分类的图像语义标注

引用
为了缩减不同模态数据间的语义鸿沟,提出一种结合深度卷积神经网络和集成分类器链的多标记图像语义标注方法.该方法主要由生成式特征学习和判别式语义学习2个阶段构成.首先利用深度卷积神经网络学习图像的高层视觉特征;然后基于获取的视觉特征与图像的语义标记集训练集成分类器链,并学习视觉特征包含的语义信息;最后利用训练得到的模型对未知图像进行自动语义标注.在Corel5K和PASCAL VOC 2012图像数据集上的实验结果表明,与一些当前国际先进水平的方法相比,文中方法的鲁棒性更强,标注结果更精确.

图像语义标注、卷积神经网络、集成分类器链、深度特征、多标记分类

30

TP391.41(计算技术、计算机技术)

国家自然科学基金61663004, 61363035, 61365009;国家"九七三"重点基础研究发展计划2013CB329502;广西自然科学基金2016GXNSFAA380146, 2014GXNSFAA118368;广西多源信息挖掘与安全重点实验室主任基金16-A-03-02

2018-03-02(万方平台首次上网日期,不代表论文的发表时间)

共9页

318-326

暂无封面信息
查看本期封面目录

计算机辅助设计与图形学学报

1003-9775

11-2925/TP

30

2018,30(2)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn