【基于深度学习的图像检索系统的实现案例分析1700字】_第1页
【基于深度学习的图像检索系统的实现案例分析1700字】_第2页
【基于深度学习的图像检索系统的实现案例分析1700字】_第3页
【基于深度学习的图像检索系统的实现案例分析1700字】_第4页
免费预览已结束，剩余1页可下载查看

付费下载

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

[37]。只有在前一特征图层中某一特定位置的数据与指定结构相匹配时才能被激活，且激活信息被记录在相应位置上。在同一个卷积层Ci中,不同的特征图代表它提取了不同的特征。图4-2特征提取基本流程图现将特征提取的过程叙述如下，使用经典的Lena图像，如图4-3所示；卷积核为Sobel卷积核，如图4-4所示。图4-3Lena图4-4Sobel卷积核(QUOTEGxGx表示水平方向，Gy表示垂直方向)（1）Lena图像大小为512×512。对图像进行卷积时选择采用3×3的Gx卷积核，卷积后的Lena图像大小为(512图4-5Lena图像与Gx图4-6卷积层所得到图4-7QUOTESobel-卷积核Sobel卷积核的卷积结果的最终结果的卷积结果（2）将偏置值加到步骤（1）所得卷积结果矩阵的每个元素值上，然后把得到的结果矩阵输入到激活函数，得到的最终结果如图4-6所示。（3）同理，我们对Lena图像使用Sobel-G1.2特征匹配本实验中，采用无加权的欧氏距离作为相似性度量标准。假设fa与fD（4-1）1.3检索图像本文成功实现一个图像检索系统，并添加反馈功能。用户在使用时可以上传一张某类别的图像，系统进行特征描述后反馈给用户几个可以选择的关键字，由用户对关键字做出选择。之后系统结合关键字进行图像的特征提取，将提取出的被检索图像的特征向量与图像库中图像的特征向量做距离计算，再根据图像距离计算的结果进行相似度排序，从而输出检索图像，得到检索结果。现在将图像的检索结果叙述如下：图4-8检索图像不存在干扰信息图4-9检索图像存在干扰信息（1）首先输入我们待检索的图像输入系统，检索图像不存在干扰信息的如图4-8所示（这里为了方便，采取的是本地地址输入图像的方式），存在干扰信息的如图4-9所示；（2）检索过程中，若图像不存在干扰信息，则对图像进行特征提取，并进行近似匹配。进行图像检索时，系统打印“searchingstars”如图4-10所示。若图像存在干扰信息，则需要先由用户进行关键字反馈，再进行上述步骤，如图4-11所示。图4-10检索过程信息图4-11选择反馈关键字（3）无干扰的图像检索结果1如下图4-12所示；存在干扰信息的图像检索结果2如图4-13所示；不难看出，在不存在干扰信息的情况下，图像的检索效果相对比较成功。在图4-12检索结果1中披萨的检索结果，与原图像不论从图像整体布局还是披萨口味来看都大致相似；而在存在干扰信息的情况下，如图4-9的主体中存在大象和长颈鹿两种动物，而现在只想要检索长颈鹿的图像，那么当用户给系统反馈关键字之后，系统虽然能检索出来长颈鹿，但检索效果远不如检索披萨的时候理想。图4-12检索结果1图4-13检索结果21.4小结本章首先对图像用设计的卷积神经网络

人人文库> 全部分类> 行业资料 > 工业设计

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