需要金幣： 1000 個金幣 |
資料包括：完整論文 |  |
 |
| 轉換比率：金額 X 10=金幣數量， 例100元=1000金幣 | 論文字數：8939 |  | |
| 折扣與優(yōu)惠：團購最低可5折優(yōu)惠 - 了解詳情 | 論文格式：Word格式(*.doc) |  |
摘要:圖像數據已經成為當今互聯(lián)網上傳播的主流數據。由于圖像數據具有無結構、語義層次低的特點，因此使得計算機對圖像數據的檢索、管理變得十分困難。為了解決這一難題，相關學者從不同角度提出了許多可行的方法，但是都不能從根本上解決這一難題。解決這一難題的根本在于對圖像進行有效的標注，因此圖像標注成為了當今圖像研究領域的熱門。學者們就圖像標注提出了許多經典的圖像標注模型，這些模型也取得了較好的效果，但是這些模型距離應用還有很長的一段路要走。本文旨在學習與研究經典的圖像標注模型，并實現。在此基礎上進一步分析模型的優(yōu)缺點，并對模型做了一些改進工作，以期取得較好的成果。此外，本文還對當前的研究熱點“深度學習”進行了學習，并嘗試將深度學習方法用于標注。
關鍵詞：圖像數據；標注；深度學習
目錄 摘要 Abstract 1 引言-1 1.1 項目背景及意義-1 1.2 國內外研究現狀和發(fā)展趨勢-2 1.3 主要研究內容-2 2 圖像處理基礎知識-3 2.1 特征提取-3 2.1.1 顏色-3 2.1.2 紋理-3 2.2 相似度比較-3 2.3 圖像標注的評價-4 2.3.1 以詞為單位的評價-4 2.3.2 以圖為單位的評價-4 3 主流標注模型研究-6 3.1 實驗數據集-6 3.2 基于概率的模型-6 3.2.1 原始CMRM模型-6 3.2.2 二值化改進的CMRM模型-7 3.2.3 基于特征提取改進的CMRM模型-8 3.2.4 實驗結果與分析-8 4 深度學習-10 4.1 深度學習基礎-10 4.2 卷積神經網絡-11 4.3 實驗數據集-12 4.3 基于卷積神經網絡的圖像分類-12 4.4 實驗結果與分析-14 結 論-15 參 考 文 獻-16 致 謝-17 |
