CN114972884B 一种基于多模态事件本体的图像事件识别方法 （上海大学）_第1页
CN114972884B 一种基于多模态事件本体的图像事件识别方法 （上海大学）_第2页
CN114972884B 一种基于多模态事件本体的图像事件识别方法 （上海大学）_第3页
CN114972884B 一种基于多模态事件本体的图像事件识别方法 （上海大学）_第4页
CN114972884B 一种基于多模态事件本体的图像事件识别方法 （上海大学）_第5页
已阅读5页，还剩9页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于多模态事件本体的图像事件识别本发明公开了一种基于多模态事件本体的述筛选过的高匹配度的事件类集合中所有事件类的图像，将其与输入图像进行基于特征的匹2筛选事件类集合：利用获取到的关键词，通过与事件多标签分类器：基于多标签分类技术，将所述区域关键词标注：对所述区域子图的关键词集合进行词性标注，并根据要素匹配：根据已有的多模态事件本体模型，将获取到的特征提取：提取输入的待识别图像与经过二次筛选的事基于特征匹配：分别计算输入图像与所有待筛选图像特征间的过多标签分类CNN模型，得到该子图对应的关键词，每个子图产生的关键词放入不同集合34[0018]更进一步地，在所述区域提取部分，采用SelectiveSearch或者RPN(RegionProposalNetwork)技术获取图像的代表区域，并且使每个代表区域子图尽量只保留一项[0031]上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。5本发明的具体实施方式由以下实施例及其附图[0040]子步骤S11为图像区域提取部分，采用SelectiveSearch或者RPN(Region以得到最具代表性的图像区域子图集合；RPN则是将区域提取功能集成到R-CNN网络框架[0043]这里的多标签分类器采用基于假设的HCP(Hypotheses-CNN-Pooling)结构，这是6k)集合将形容词集合B2中词作为对象属性填入对象要素；然后将动词集合B3中的动词全部[0057]步骤103为图像匹配步骤，对所述筛选过的高匹配度的事件类集合中所有事件类[0059]子步骤S31，提取输入的待识别图像与经过二次筛选的事件类集合中所有候选图[0061]其中，卷积特征可以使用VGG分类网络或者FasterR-CNN目标检测网络等预训练7本行业的普通技术人员均可按说明书附图所示

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论