Cải tiến độ chính xác tra cứu ảnh thông qua học sâu và học độ đo khoảng cách tối ưu

Bài viết đề xuất phương pháp tra cứu ảnh IRDLoM (Image Retrieval using Deep learning and optimal distance metric) sử dụng mạng CNN để xây dựng bộ đặc trưng và tìm một phép chiếu tuyến tính với một độ đo tương tự cải tiến. Phần thực nghiệm cung cấp các kết quả thực nghiệm để minh chứng độ chính xác của phương pháp đề xuất. | Đào Thị Thúy Quỳnh CẢI TIẾN ĐỘ CHÍNH XÁC TRA CỨU ẢNH THÔNG QUA HỌC SÂU VÀ HỌC ĐỘ ĐO KHOẢNG CÁCH TỐI ƯU Đào Thị Thúy Quỳnh Khoa Công nghệ thông tin 1 Học Viện Công Nghệ Bưu Chính Viễn Thông Tóm tắt- Tra cứu ảnh dựa vào nội dung được thực hiện bởi việc so sánh độ đo tương tự giữa biểu diễn ảnh truy Do đó biểu diễn ảnh bởi véc tơ đặc trưng và độ đo vấn và biểu diễn cơ sở dữ liệu ảnh. Do đó hiệu quả của tương tự là hai yếu tố chính ảnh hưởng tới hiệu quả của hệ phương pháp tra cứu ảnh bị ảnh hưởng rất nhiều bởi biểu thống CBIR. Nâng cao hiệu quả của hệ thống CBIR là một diễn ảnh và độ đo tương tự. Gần đây học sâu được sử vấn đề thách thức trong nghiên cứu. Để nâng cao hiệu quả dụng và đem lại hiệu quả cao trong các bài toán phân lớp chúng ta cần giảm khoảng trống ngữ nghĩa trong CBIR nhận dạng ảnh các đặc trưng ảnh được học bởi mô hình khoảng trống ngữ nghĩa thể hiện những hạn chế của biểu CNN mang tính ngữ nghĩa cao. Trong bài báo này chúng diễn ảnh bởi đặc trưng mức thấp được trích rút tự động và tôi sẽ đề xuất phương pháp tra cứu ảnh IRDLoM Image ngữ nghĩa của bức ảnh do con người cảm nhận. Để giảm Retrieval using Deep learning and optimal distance khoảng trống ngữ nghĩa này đã có một số đề xuất đưa các metric sử dụng mạng CNN để xây dựng bộ đặc trưng và kỹ thuật học máy vào trong quá trình tra cứu ảnh. Những tìm một phép chiếu tuyến tính với một độ đo tương tự cải năm gần đây học sâu đã nâng cao được hiệu quả của các tiến. Phần thực nghiệm cung cấp các kết quả thực nghiệm bài toán nhận dạng phân loại đối tượng. Với mong muốn để minh chứng độ chính xác của phương pháp đề xuất. nâng cao hiệu quả ngay từ quá trình xây dựng bộ đặc trưng biểu diễn ảnh phương pháp đề xuất sẽ sử dụng cấu trúc Từ khóa Content-based image retrieval deep mạng CNN để xây dựng bộ đặc trưng có tính ngữ nghĩa learning similarity measures mahalanobis metric cao. Bên cạnh đó phương pháp đề xuất sẽ kết hợp kỹ thuật distance. phân lớp LDA và học độ đo tương tự Learning similarity measures để đưa .

Không thể tạo bản xem trước, hãy bấm tải xuống
TÀI LIỆU LIÊN QUAN
TỪ KHÓA LIÊN QUAN
TÀI LIỆU MỚI ĐĂNG
Đã phát hiện trình chặn quảng cáo AdBlock
Trang web này phụ thuộc vào doanh thu từ số lần hiển thị quảng cáo để tồn tại. Vui lòng tắt trình chặn quảng cáo của bạn hoặc tạm dừng tính năng chặn quảng cáo cho trang web này.