伴随二元关系粒运算的布料色卡图像检索模型

伴随二元关系的信息粒的加粗、加细、信息粒之间的并和交等的运算法则,为实现信息粒之间的有机联系与不同层次上的信息粒之间的变换提供了一种简单且有效的实现模型。针对布料制品加工领域中存在的找料难和分类难等问题,提出一种基于伴随二元关系粒运算体制的布料卡图像检索模型。采用粒计算方法构建具有不同粒度的布料色卡图像粒度空间,基于伴随二元关系粒运算体制的布料色卡图像检索方法以模拟人类识别与检索图像的方式对布料色卡图像进行检索,旨在有效解决了目前布料制品加工领域中存在的找料难和分类难的问题。基于所提出的模型,一个实际所开发的系统已经得到初步应用。     

一种改进卷积神经网络的教学图像检索方法

针对卷积神经网络在提取图像特征时所造成的特征信息损失以及降低高维度图像特征数据等问题,提出了一种改进卷积神经网络的图像检索优化方法。该方法首先利用融合的卷积层提取图像特征,并在融合的卷积层之间添加全连接层以减少特征信息的丢失;然后采用主成分分析法对高维的特征数据进行有效的降维处理;最后采用余弦相似度的方法进行相似度匹配,以实现相似图像的检索。采用当前经典的LeNet-L、LeNet-5等方法同文中方法在图像检索性能评价指标上进行对比实验。实验结果表明,所提出的检索方法比文中其他检索方法在查全率和平均查准率方面提高了3%27.3%。     

基于自制色卡的网络色彩管理

为了提高互联网显示图像与原物的颜色一致性,依据ECI数字化文件设计了ECI自制色卡,并根据色卡中各个色块对应的CIE色度值制作了符合ISO 12640标准的数字化文档,在此基础上生成了用于数码相机色彩管理的ICC文件,将该文件分别嵌入到在不同浏览器显示的图像中用于实现数码相机到显示器的网络色彩管理。视觉实验结果表明,不同浏览器的颜色复现效果各异,相对于sRGB及基于普通商用色卡制作ICC文件的颜色管理方案,基于ECI自制色卡的颜色管理方案在不同浏览器上均取得了较好的图像颜色复现效果。     

基于深度卷积特征的图像实例检索方法

针对计算机视觉领域的图像实例检索问题,提出了一种从卷积神经网络提取图像全局特征表示和目标对象区域特征表示的图像实例检索方法。该方法首先利用区域生成网络学习目标实例的区域位置坐标,并结合相关卷积网络提取的图像区域特征构建由过滤阶段和空间重排阶段组成的实例检索系统。在此基础上提出过滤阶段和空间重排两阶段查询扩展方法进一步提高系统检索性能。最后,提出了两种微调网络模型策略,更新网络前两个卷积层后所有层的权重以适应图像实例检索和位置坐标。通过在两个公用实例检索数据集(Oxford Buildings 5k和Paris Buildings 6k)上进行详尽实验验证,结果表明,提出的基于深度卷积特征的图像实例检索方法有效地提高了图像实例检索的准确率和可靠性,降低了实例检索误检率,得到的实例位置更加准确。     

基于内容的图像检索技术综述

基于内容的图像检索技术(CBIR)是近些年来图像检索领域的研究热点,其发展经历了最初的以图像数字特征为索引,到引入图像语义学习技术使得CBIR更贴近人类语义以方便用户查询,再到如今融合多种图像信息以进一步提高检索效率。本文在对已有文献进行综述的基础上,结合近几年的研究成果,讨论CBIR的最新技术动态,分析CBIR的发展趋势并指出几个未来的研究方向。     

由LeNet-5从单张着装图像重建三维人体

提出基于LeNet-5的从单张着装图像恢复人体三维形状的方法,建立着装人体正面轮廓和人体形状空间之间的映射模型,实现了高效、精确的三维人体建模,可以应用于对人体表面形状精度要求较高的场合,如虚拟试衣. 基于PGA在流型空间上对公开的三维人体数据集进行数据扩增,给虚拟人体进行着装,构建着装人体数据库. 从着装人体正面投影图像中提取信息,以人体形状参数及正、侧面轮廓信息为约束,基于LeNet-5完成三维人体重建. 实验证明,对于身穿不同款式服装的人,采用的模型通常都能从单张着装图像中重建得到较高精度的三维人体模型.     

基于Gabor滤波器和深度学习的图像检索方法

针对图像数据库日渐庞大的问题,研究了将特征提取与深度学习相结合进行图像检索的方法,提出了基于Gabor小波变换和受限玻尔兹曼机(RBM)的特征提取和降维模型.将整幅图像划分成局部图像块,利用Gabor滤波器组提取图像特征,通过RBM对特征进行学习和编码,从而实现图像特征的降维处理.采用基于深度信念网络(DBN)和Softmax分类器的图像检索算法,利用Corel图像库进行新方法的图像检索实验,并与其他两种方法进行比较.结果表明,本文方法在准确率、查全率和检索时间上均具有较好的性能,能得到更好的图像检索结果.     

改进LeNet-5网络模型图像分类

将卷积层改为连续非对称卷积以降低特征参数,引入Inception V1模块增加多尺度特征参数.增加批量标准化(Batch Normalization)层、Dropout层,提升网络泛化性、鲁棒性.仿真结果表明,ILIC相比于LeNet-5网络减少部分训练参数,增加了分类准确率且降低了过拟合,在Fashion MNIST数据集上比较不同batch_size大小,得到最佳分类准确率达到92.10％,相同情况下比原LeNet-5网络提高了2.26％.     

鞋印图像检索研究现状与发展趋势

鞋印是案发现场中常见的物证痕迹,查询比对鞋印图像是重要的刑侦技术.从基于文本和基于内容两个方面出发,综述鞋印图像检索的研究进展.针对基于内容的鞋印图像检索,介绍底层视觉特征提取、高层语义学习和检索结果评价等关键技术,以及鞋印图像数据库和鞋印图像检索的应用场景.最后,结合公安刑侦领域的实际需求,探讨鞋印图像检索技术的未来...     

基于混合卷积神经网络的花卉种类识别研究

花卉种类识别属于植物分类的重要分支之一,有着很高的研究和应用价值。但是,目前的花卉识别方法普遍存在着时间长、准确率较低的问题。针对这些问题,本文以花卉图像作为研究对象,首先选择Gabor滤波器对花卉图像进行纹理分析,然后采用改进后的LeNet-5和GoogLeNet神经网络模型对处理后的花卉图片分别进行特征提取,并对得到的两个不同的特征向量进行特征融合,以此进行花卉种类的识别和模型训练。为了验证模型的优劣,使用Tensorflow框架对实验进行仿真,基于混合卷积神经网络无论在泛化能力还是拟合能力上都有显著的提高。     

服装图像分类技术综述

服装图像分类技术的发展对电子商务行业影响巨大,准确的服装图像分类不仅可以完成大量自动标注任务,减少人力成本,而且有助于提高服装检索的效果。文章通过对现有国内外文献的领域研究进行梳理,概述了服装图像分类方法的技术框架,分析了基于传统图像内容和基于深度学习的服装分类方法之间的差异、优缺点以及适用情况,探讨了当前研究存在的主要问题和未来可能的发展方向,为该领域的进一步研究提供参考。综述结果显示:不同类型的分类任务应选择恰当的方法;对于分类类别数量少且区分度高的分类任务,利用传统图像内容方法可以取得较高准确率;对于分类类别数量多且区分度低的分类任务,采用深度学习更为合适。基于深度学习的分类方法更具广泛性、有效性,是未来发展的主要方向。     

基于对比自监督学习的图像分类框架

为解决监督学习在图像分类领域中需要耗费大量时间来完成数据集标注等问题,提出了一种自监督学习图像分类框架:SSIC(Self-supervised image classification)框架。SSIC框架是一种基于对比学习的自监督学习方法,比现有的无监督方法有更好的性能。设计了一种新的框架结构,并选择了更有效的代理任务来提高模型的鲁棒性。此外,提出了有针对性的损失函数来提升图像分类性能。模型在UC-Merced、NWPU、AID三个公开的数据集上进行实验,实验结果表明:SSIC框架与当前最新技术相比有明显的优势,并且在低分辨率图像分类中也表现出色。     

基于混合激活函数的改进卷积神经网络算法

激活函数是人工神经网络的重要组成部分,对提高人工神经网络的准确性具有重要影响.为了研究使用混合激活函数的卷积神经网络在图像分类任务中的识别精度和收敛速度表现,本工作以LeNet-5卷积神经网络为基本结构,构造了一个使用Sinusoid-Sinusoid-Ramp(S-S-R)混合激活函数的卷积神经网络,以及4个使用单一...     

一个语义制导的图像检索框架

基于语义分类的图像检索是根据图像的逻辑特征和抽象属性进行检索的技术,给出了一个语义制导的图像检索框架,它在图像、图像语义和视觉特征之间建立了联系,兼顾了基于文本和基于内容的两种图像检索方式.     

混合迁移学习方法在医学图像检索中的应用

针对医学图像的复杂性,将迁移学习理论引入到医学图像的语义映射和检索中,提出了一种以解决多任务学习为目标的混合迁移学习方法。首先,对医学图像目标领域的数据进行部分语义标记,找出源领域和目标领域中具有相同语义标记的医学图像,并对这些图像进行聚类,而后剔除一些在特征上距离较远的图像数据,完成实例迁移;然后,采用在源领域和目标领域中具有相同语义的医学图像数据进行稀疏矩阵分解,完成特征的迁移;最后,完成目标领域中未标记图像数据的语义映射。利用200幅医学图像进行语义标注进行检索,实验表明准确率超过50%的图片数量占了80%以上,验证了方法的可行性。     

基于流形学习的图像特征提取算法

特征提取是模式识别领域一个重要的研究分支,已被应用于多个领域,图像的特征提取是完成图像识别和检索等工作的首要任务,基于学习方法的图像特征提取取得了良好效果,然而,线性学习方法提取图像特征仍然存在局限性,如人脸图像、姿态、光照及表情变化使图像表现出复杂的非线性特性,最近提出的流形学习被认为是进行非线性特征提取的有效方法,...     

一般图像检索中泽尼克矩的适用性（英文）

图像检索系统是处理大量视觉数据的必要和基本工具。有效的图像检索需要适当的图像描述。泽尼克矩经常被用于图像描述和检索。现有文献在对泽尼克矩的有效性进行测试时,大多数所用图像数据集都比较简单。研究泽尼克矩对一般图像(其可含有不同尺寸的物体,可在不同的位置,具不同的方向和背景)描述和检索的适用性,通过理论分析和实验测试可知,泽尼克矩并不适用于对一般图像的描述和检索。     

图像特征检测与匹配方法研究综述

几十年来,图像特征检测与匹配一直是图像处理的最核心领域之一,是计算机视觉的基石.没有特征检测与匹配就没有SLAM、Sfm、AR、通用图像检索、图像配准、全景图像等视觉任务.本文在回顾几十年来的经典检测算法的基础上,阐述了引用最新的以深度学习为首的机器学习算法后,在本领域取得的最新进展,包括特征点、局部特征子、全局特征子、匹配及优化、端到端框架等所有关键点,展示了算法各自的优缺点.总而言之,面对工业界的宽基线、实时、低算力检测的要求,图像特征检测和匹配仍然是一项未能完整攻克的任务,融合特征点、局部特征子、全局特征子、匹配及优化的多任务全局框架成为未来发展的趋势.     

现勘图像数据库检索技术实例探讨

基于内容的图像检索技术(CBIR)发展已经有三十多年,但相关技术在公共安全领域的应用尚处于初步阶段。依托公安部重点实验室平台,使用实际刑侦现勘图像数据库,介绍在现勘图像数据库检索、车胎花纹数据库检索方面取得的研究进展情况,讨论现有成果与公共安全行业实际需求之间存在的差距,并分析现勘图像数据库检索研究的未来发展趋势。     

个性化图像检索和推荐

为了解决信息过载的问题,个性化图像检索和推荐技术成为目前图像检索领域的新趋势,其不仅可提高检索的效率和准确率,还可满足用户的个性化需求.根据不同个性化信息的数据源,可将个性化图像检索和推荐分为基于内容的个性化图像检索和推荐与协同过滤个性化图像检索和推荐.对于基于内容的个性化图像检索和推荐,分析了用户兴趣获取、用户兴趣表示和个性化实现3个核心环节,并对所采用的关键技术进行了对比,指出了优缺点;对于协同过滤个性化图像检索和推荐,分析了基于用户、物品和模型的3种协同过滤方法.最后分析对比了基于内容和协同过滤2种个性化图像检索和推荐方法,并指出了未来的工作方向.