【基于深度學習的圖像檢索系統的實現案例分析1700字】_第1頁
【基于深度學習的圖像檢索系統的實現案例分析1700字】_第2頁
【基于深度學習的圖像檢索系統的實現案例分析1700字】_第3頁
【基于深度學習的圖像檢索系統的實現案例分析1700字】_第4頁
免費預覽已結束，剩余1頁可下載查看

付費下載

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

[37]。只有在前一特征圖層中某一特定位置的數據與指定結構相匹配時才能被激活，且激活信息被記錄在相應位置上。在同一個卷積層Ci中,不同的特征圖代表它提取了不同的特征。圖4-2特征提取基本流程圖現將特征提取的過程敘述如下，使用經典的Lena圖像，如圖4-3所示；卷積核為Sobel卷積核，如圖4-4所示。圖4-3Lena圖4-4Sobel卷積核(QUOTEGxGx表示水平方向，Gy表示垂直方向)（1）Lena圖像大小為512×512。對圖像進行卷積時選擇采用3×3的Gx卷積核，卷積后的Lena圖像大小為(512圖4-5Lena圖像與Gx圖4-6卷積層所得到圖4-7QUOTESobel-卷積核Sobel卷積核的卷積結果的最終結果的卷積結果（2）將偏置值加到步驟（1）所得卷積結果矩陣的每個元素值上，然后把得到的結果矩陣輸入到激活函數，得到的最終結果如圖4-6所示。（3）同理，我們對Lena圖像使用Sobel-G1.2特征匹配本實驗中，采用無加權的歐氏距離作為相似性度量標準。假設fa與fD（4-1）1.3檢索圖像本文成功實現一個圖像檢索系統，并添加反饋功能。用戶在使用時可以上傳一張某類別的圖像，系統進行特征描述后反饋給用戶幾個可以選擇的關鍵字，由用戶對關鍵字做出選擇。之后系統結合關鍵字進行圖像的特征提取，將提取出的被檢索圖像的特征向量與圖像庫中圖像的特征向量做距離計算，再根據圖像距離計算的結果進行相似度排序，從而輸出檢索圖像，得到檢索結果。現在將圖像的檢索結果敘述如下：圖4-8檢索圖像不存在干擾信息圖4-9檢索圖像存在干擾信息（1）首先輸入我們待檢索的圖像輸入系統，檢索圖像不存在干擾信息的如圖4-8所示（這里為了方便，采取的是本地地址輸入圖像的方式），存在干擾信息的如圖4-9所示；（2）檢索過程中，若圖像不存在干擾信息，則對圖像進行特征提取，并進行近似匹配。進行圖像檢索時，系統打印“searchingstars”如圖4-10所示。若圖像存在干擾信息，則需要先由用戶進行關鍵字反饋，再進行上述步驟，如圖4-11所示。圖4-10檢索過程信息圖4-11選擇反饋關鍵字（3）無干擾的圖像檢索結果1如下圖4-12所示；存在干擾信息的圖像檢索結果2如圖4-13所示；不難看出，在不存在干擾信息的情況下，圖像的檢索效果相對比較成功。在圖4-12檢索結果1中披薩的檢索結果，與原圖像不論從圖像整體布局還是披薩口味來看都大致相似；而在存在干擾信息的情況下，如圖4-9的主體中存在大象和長頸鹿兩種動物，而現在只想要檢索長頸鹿的圖像，那么當用戶給系統反饋關鍵字之后，系統雖然能檢索出來長頸鹿，但檢索效果遠不如檢索披薩的時候理想。圖4-12檢索結果1圖4-13檢索結果21.4小結本章首先對圖像用設計的卷積神經網絡

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論