

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
1、場景分類也被稱為場景感知、場景識別,是計算機視覺和認知科學領域的一個具有挑戰(zhàn)性的研究問題。場景分類根據給定的語義類別對圖像數(shù)據庫進行標注,為指導目標識別等更高層次的圖像理解提供了有效的上下文語義信息。近年來的生理學實驗表明:生物視覺系統(tǒng)依賴于選擇性注意力,結合視覺記憶,快速理解場景內容,即圖像顯著性與場景語義理解是緊密相關的。因此,顯著檢測與場景分類相結合具有重要意義。
本文以靜態(tài)圖像為研究對象,在研究顯著區(qū)域檢測方法的基礎上
2、,通過中層語義的TMBP(Topic Model by Belief Propagation)主題建模,著重研究了基于前景和背景的TMBP場景分類三個方面的內容。論文研究內容如下:
1)針對多目標圖像檢測存在的誤檢問題,結合低層特征和中層提示,提出一個新的貝葉斯框架下的多目標顯著檢測方法。該方法首先用上下文感知顯著檢測方法獲取圖像的低層特征信息,然后用Ncut(Normalized cut)圖像分割取得圖像的顯著中層信息提示,
3、即多目標的類別標簽信息,根據低層和中層信息提示來計算先驗顯著圖,最后使用貝葉斯方法計算獲得圖像的后驗顯著圖。實驗結果表明,本文方法提高了顯著對象檢測精度,并且可以較好的解決多目標檢測誤檢問題。
2)針對現(xiàn)有的基于LDA(Latent Dirichlet Allocation)模型的圖像場景分類方法存在的計算速度慢和復雜度高的問題,采用基于信任傳遞的推理方法的 TMBP主題建模。該模型以LDA模型為框架,不同于傳統(tǒng)的VB(Var
4、iational Bayesian)和GS(Gibbs Sampling)推理方法,采用信任傳遞的近似推理方法,提高了推理的速度。實驗結果表明,TMBP主題建模的場景分類方法要比傳統(tǒng)的VB-LDA和GS-LDA更快,計算復雜度也更低。
3)針對基于主題建模的圖像場景分類方法存在的分類準確率低的問題,提出分別基于前景和背景的 TMBP主題建模場景分類方法。該方法首先用顯著檢測方法提取圖像的顯著區(qū)域作為前景,然后分別對前景和背景分
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(lián)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(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)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(lián)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
- 基于分類思想的圖像顯著區(qū)域檢測.pdf
- 自然場景圖像的顯著區(qū)域檢測算法研究.pdf
- 基于區(qū)域的圖像顯著目標檢測.pdf
- 基于時空顯著性的視頻顯著區(qū)域檢測研究.pdf
- 顯著性區(qū)域檢測及室內室外場景分類中關鍵技術研究.pdf
- 基于區(qū)域分類與目標檢測相融合的交通場景分析.pdf
- 基于圖的流形排序顯著區(qū)域檢測研究.pdf
- 基于人類視覺系統(tǒng)的顯著區(qū)域檢測.pdf
- 基于區(qū)域的超像素顯著性檢測.pdf
- 基于顯著區(qū)域提取的人臉檢測研究.pdf
- 基于顯著性區(qū)域的工程車輛分類系統(tǒng).pdf
- 視頻顯著區(qū)域檢測研究.pdf
- 基于視覺顯著性檢測的圖像分類.pdf
- 基于區(qū)域特征融合的顯著目標檢測研究.pdf
- 基于顯著區(qū)域檢測的圖像語義層次管理.pdf
- 基于顯著特征描述的復雜場景中目標檢測方法.pdf
- 基于顯著區(qū)域和主題模型的原目標檢測和視覺目標跟蹤.pdf
- 基于區(qū)域統(tǒng)計特性的場景分類方法研究.pdf
- 基于顯著性檢測和分類器訓練的航拍圖像車輛檢測.pdf
- 基于超像素的全局顯著性區(qū)域檢測.pdf
評論
0/150
提交評論