版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、多,儲1也回聲:態(tài)網(wǎng)絡(luò)彳用1引言隨著計算機技術(shù)、Internet網(wǎng)絡(luò)以及存儲技術(shù)的發(fā)展,各種形式的數(shù)字信息正在以驚人的速度增長0數(shù)字圖像作為數(shù)字信息的重要成員之一以苴/、內(nèi)容豐富、形象生動、清晰明了等特占八、在社會生活中扮演著越來越重要的角色,與此同時,人們對圖像檢索的需求也越來越高020世紀90年代,基于內(nèi)容的圖像檢索技術(shù)(CB1IR)應(yīng)運而生,該技術(shù)與圖像識別技術(shù)進行了深層次的結(jié)合,但單純的圖像低層特征無法表示圖像的內(nèi)在本質(zhì),深層語義不到很好的體現(xiàn),也就是存在所謂的語義鴻溝0由于機器學(xué)習(xí)技術(shù)臺匕目匕夠很好地獲取圖像低層特征和文字描述之問的對應(yīng)關(guān)系,越來越多的研究者將機器學(xué)習(xí)技術(shù)應(yīng)用于圖像的
2、語義映射之中,以解決語義鴻溝問題,并取了一定的成果0Li等將模糊支持向里機(FSVM)應(yīng)用于圖像分類與檢索中通過模糊支持向里機計算出樣本x對i類的歸屬程度im()0,將樣本x歸屬到im取值最大的一類有效地提高了不可分區(qū)Kuiidu等提出了一種交互模型使用MPEG-7邊緣直方層特征,通過神經(jīng)網(wǎng)絡(luò)預(yù)分類,利用不同的編集,減少了檢索時的搜度0楊棟等5提出了貝其應(yīng)用到圖像語義標注的對稱Dirichleit分布來描布,利用Ba:yes最大后驗數(shù)集進行估計,且/、有良傳統(tǒng)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜足目前對大數(shù)據(jù)信息處雖然訓(xùn)練速度較快但苴于多分類問題且/、有一定在的語義映射方法大多性,魯棒性及泛化能力題,本文結(jié)合語義
3、映射狀態(tài)網(wǎng)絡(luò)分類模型應(yīng)用由于回聲狀態(tài)網(wǎng)絡(luò)以隨域的分類精度0式的圖像檢索模型,該圖描述符(EHD)6作為低預(yù)分類器對圖像庫進行號表示被分成的各個子索空問,提高了檢索速葉斯通用背早模型并將之中,該方法引入受限述GMMK重參數(shù)的先驗分概率對高斯混合模型參好的圖像標注精度0但,訓(xùn)練速度慢,難以滿理的需求0支持向里機作為一種二分類器,對的局限性0同時目刖存缺乏對特征數(shù)據(jù)的針對有待提高0針對上述問框架,嘗試性地將回聲于圖像語義映射之中0機稀疏連接的儲備池作為隱藏層,結(jié)構(gòu)相對簡池至輸出層的權(quán)值,訓(xùn)地解決了傳統(tǒng)神經(jīng)網(wǎng)絡(luò)等問題0同時,為解決雜、維數(shù)較高的問題8對圖像特征按相關(guān)性進圖像特征分別構(gòu)造儲備對各分類器日
4、到的分類分類器對特征數(shù)據(jù)更且/、分類器的泛化臺匕目匕力和魯2圖像特征提取圖像的低層特征主要包形狀等0本文主要利用生矩陣以及Gabor小波變特征0顏色矩9臺匕目匕夠特征0通常提取顏色分三階矩表示圖像的顏色顏色分里的平均強度,顏色方差,三階矩表示對稱性0本文提取圖像單,并且只需訓(xùn)練儲備練過程簡單快速,有效訓(xùn)練速度慢、結(jié)構(gòu)復(fù)雜圖像特征數(shù)據(jù)問關(guān)系復(fù),引入集成學(xué)習(xí)思想,行劃分,針對劃分后的池形成多個分類器,并結(jié)果進行集成,使各針對性,并且臺匕目匕夠提高棒性0括圖像的顏色、紋理、圖像的顏色矩、灰度共換提取圖像的低層視覺很好地描述顏色的分布量的一階矩、二階矩和分布0一階矩表示每個二階矩表示待測區(qū)域的顏色分里
5、的偏斜度及不R、G、B三種顏色分里的三個低階矩,共91()是對圖像上保持距某灰度的狀況進行統(tǒng)計N個像素占八、,從某像點的灰度級為i,灰度共角為9、距離為d、灰出現(xiàn)的概率,假設(shè)mrf(x,x灰度級,Count(M)表示M情將灰度共生矩陣的獲取中,T表示灰度共生矩陣灰度共生矩陣到的臺匕目匕及嫡4個特征值分別在方向的最大值、最小值為訓(xùn)練集,共16維0類視覺系統(tǒng)中簡單細胞似0在提取目標的局部具有良好的特性0Gabor調(diào)制的復(fù)正弦函數(shù),能部的頻域特征,本文所實部如公式(2)所示,虛維0灰度共生矩陣離d的兩像素分別1具有得到的0假設(shè)圖片共有素占八、(x,y)開始,該像素生矩陣即統(tǒng)計與苴方向度級為j的像素占
6、八、同時為像素占八、mn(x,x)對應(yīng)的況出現(xiàn)的次數(shù),由此可方法概括為公式0其元素個數(shù)0本文取通過里、對比度、相關(guān)值以0、450、900、13,5、平均值及標準差值作(Gabor小波變換11與人的視覺刺激響應(yīng)非常相空問和頻率域信息方面函數(shù)是一個用高斯函數(shù)夠在給定區(qū)域內(nèi)提取局用的Gabor濾波器對應(yīng)的部如公式所示0本文提取不同方向的Gabor小均值及標準方差作為特3回聲狀態(tài)網(wǎng)絡(luò)模型3.1基本模型回聲狀態(tài)網(wǎng)Jaeger于2001年提出,苴疏連接的神經(jīng)元構(gòu)成的以對輸入進行高維的、是一種新型的遞歸神經(jīng)池、輸出層組成,苴結(jié)網(wǎng)絡(luò)中輸入層有K個輸連接單元,輸出層有L元狀態(tài)更新方程如公式儲備池與輸出單元的連池
7、的連接權(quán)值,通過狀輸出單元處理函數(shù)03.2分類模型回聲狀態(tài)網(wǎng)預(yù)測方面的問題,2009年態(tài)模式分類的回聲狀態(tài)彭喜元等1提出了隨模型,提高了傳統(tǒng)回聲波變換過后結(jié)果的臺匕目匕里征,共12維0絡(luò)(EchoS讓ateNet、vork,ESF0由獨特之處在于將隨機稀儲備池作為隱藏層,用非線性的表示130ESI網(wǎng)絡(luò),由輸入層、儲備構(gòu)如圖3所示:假設(shè)該入,儲備池有N個內(nèi)部個輸出,儲備池內(nèi)部單所示:苴中,otW表示接權(quán)值為輸出層到儲備態(tài)變里計算日到,outf為絡(luò)常用于解決時問序列,Alexan(ire等口提出面向靜網(wǎng)絡(luò)方法0在此基礎(chǔ)上機子空問多儲備池分類狀態(tài)網(wǎng)絡(luò)分類模型的泛4.2多儲備池回聲狀態(tài)網(wǎng)習(xí)臺匕目匕有效
8、地提高學(xué)習(xí)器器學(xué)習(xí)領(lǐng)域重要的研究成學(xué)習(xí)思想,針對不同征數(shù)據(jù)之問相對獨立的聲狀態(tài)網(wǎng)絡(luò)分類模型0圖像特征按類劃分,對造與苴相對應(yīng)的儲備池的映射結(jié)果進行線性融數(shù)據(jù)的適應(yīng)性0苴主要將37維圖像低層特征按為三組,包括根據(jù)圖像維特征,計算顏色矩Gabor小波變換到的125實驗與結(jié)果分析5.1實驗環(huán)境實驗在Window測試軟件為Meatlab2010b0睿22.2GHz:雙核處理器,內(nèi)5.2圖像語義映射實驗實中的汽車(Bus)、恐龍(Din絡(luò)語義映射模型集成學(xué)的泛化臺匕目匕力,是目刖機方向之一0本文借鑒集特征提取算法到的特特占八、,提出多儲備池回該模型將提取出的低層不同類型的數(shù)據(jù)分別構(gòu),在仿直時將各儲備池合
9、,提高分類器與特征結(jié)構(gòu)如圖5所示0本文昭八、提取特征的方法劃分灰度共生矩陣到的16到的9維特征以及通過維特征0s7641位操作系統(tǒng)下進行,硬件環(huán)境:CPU為Intel酷存為4GEI。驗選取Corel圖片庫口8osaiur)、花(Fower)、馬(Horse)、山川(Mountain)以及食物(Food)各100張圖片,共600張圖片作為圖片庫,每類隨機抽出苴中的50張作為訓(xùn)練集,另外50張作為測試集0在實驗中,儲備池處理單元數(shù)N均為40,儲備池內(nèi)連接權(quán)值W均采用隨機生成的方式0BP神經(jīng)網(wǎng)絡(luò)采用一層隱藏層,隱藏層中包含90個神經(jīng)元,訓(xùn)練精度目標為10?C0,為確保實驗數(shù)據(jù)的準確性,全部采取交叉驗
10、證的方式進行0為了驗證本文的特征提取算法在語義映射中的效果,首先對比了在回聲狀態(tài)網(wǎng)絡(luò)模型下,分別以灰度共生矩陣特征中),顏色矩特征(Cc)lor_Moment),Gal)or小波特征(Gabor)為特征數(shù)據(jù)時的分類準確度0不同數(shù)據(jù)特征在回聲狀態(tài)網(wǎng)絡(luò)分類模型中的映射錯1口率如圖8所示0從圖8看出,不同類型的圖像特征在不同種類圖像的語義映射中表現(xiàn)各有優(yōu)劣,Mo)untain類和Food類圖片的映射錯1口率較高0本文將6類圖片的映射錯1口率按三種特征分別計算平均值,到每一類特征的整體錯。口率All,從整體映射錯1口率All來看,通過Gabor小波變換日到的圖像特征且/、有較優(yōu)的映射效果,但單一的圖像
11、特征到想0圖9顯示了特征融1口率,MEESN對應(yīng)多儲備池模型,ESN對應(yīng)單儲備池模型,BP)NN對應(yīng)BP神經(jīng)網(wǎng)儲備池回聲狀態(tài)網(wǎng)絡(luò)模錯1口率,相對于傳統(tǒng)回絡(luò),平均錯誤率分別相具體計算方法是0對圖8中的數(shù)據(jù)可以看出絡(luò)且/、有較強的泛化臺匕目匕力射精度0特征融合后一特征的分類效果0為到的語義信息與目標語這里定義樣本n與弟q度(q)$im(n)0通過圖10可以及單儲備池回聲狀態(tài)張、13張圖片時出現(xiàn)錯聲狀態(tài)網(wǎng)絡(luò)在返回24張且在各返回圖片數(shù)下均的語義映射效果不夠理合后各分類器的映射錯回聲狀態(tài)網(wǎng)絡(luò)語義映射回聲狀態(tài)網(wǎng)絡(luò)語義映射絡(luò)語義映射模型0多型且/、有最低的語義映射聲狀態(tài)網(wǎng)絡(luò)及BP神經(jīng)網(wǎng)對下降了19.28%
12、和31.64%0比圖9中MESN、ESI1以及,多儲備池回聲狀態(tài)網(wǎng),臺匕目匕夠有效提高語義映的分類效果明顯優(yōu)于單了更直觀地顯示映射1日義之問的相似程度,在類目標語義的相似度程以看出,BP神經(jīng)網(wǎng)絡(luò)模型網(wǎng)絡(luò)模型分別在返回111口樣本,而多儲備池回圖片時出現(xiàn)錯1口樣本,保持最高的準確率0因此,通過多儲備池回聲狀態(tài)網(wǎng)絡(luò)模型到的語義信息更且/、魯棒性0當返回50張圖片時,ESN及BP)NN對應(yīng)的查準率分別為90%)和87.6%,而本文提出的MEESN模型對應(yīng)的查準率為91.67%,查準率分別相對提高1.86%及4.56%0回聲狀態(tài)網(wǎng)絡(luò)語義映射模型在且/、有較高映射精度的情況下同時且/、有較快的訓(xùn)練速度,在實驗中MlESN的平均訓(xùn)練時問僅為1.532,而BP神經(jīng)網(wǎng)絡(luò)的平均訓(xùn)練時問為48.24s05結(jié)語本文將多儲備池回聲狀態(tài)網(wǎng)絡(luò)分類模型應(yīng)用于圖像語義映射中,實驗提取圖像灰度共生矩陣的臺匕目匕里、對比度、相關(guān)值、嫡4個
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(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)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
- 現(xiàn)代辦公文化的塑造與職業(yè)選擇
- 現(xiàn)代化電梯系統(tǒng)的故障診斷與維護保養(yǎng)
- 現(xiàn)代企業(yè)財務(wù)管理與數(shù)字化轉(zhuǎn)型
- 物聯(lián)網(wǎng)中的網(wǎng)絡(luò)編程技術(shù)發(fā)展
- 電動汽車智能化技術(shù)探討從基礎(chǔ)到前沿
- 電子商務(wù)平臺在公共衛(wèi)生危機中的作用
- 生命教育的多元價值與培養(yǎng)策略
- 2025-2030年護膚明星代言人行業(yè)深度調(diào)研及發(fā)展戰(zhàn)略咨詢報告
- 2025-2030年塑料廢棄物回收再生機械企業(yè)制定與實施新質(zhì)生產(chǎn)力戰(zhàn)略研究報告
- 2025-2030年可持續(xù)森林木材家具行業(yè)深度調(diào)研及發(fā)展戰(zhàn)略咨詢報告
- 2024年法律職業(yè)資格考試(試卷二)客觀題試題及解答參考
- 2024年注冊建筑師-二級注冊建筑師考試近5年真題附答案
- 五年級口算題卡每天100題帶答案
- 食品感官檢驗:品評人員的篩選與培訓(xùn)
- 2024-2030年中國會務(wù)行業(yè)市場發(fā)展分析及發(fā)展趨勢與投資風(fēng)險預(yù)測研究報告
- 醫(yī)院緊急醫(yī)療救援管理制度
- 企業(yè)落實食品安全主體責(zé)任監(jiān)督管理制度
- 咨詢與評估管理制度
- 中醫(yī)辨證-八綱辨證(中醫(yī)學(xué)課件)
- CJT 313-2009 生活垃圾采樣和分析方法
- 2024年長沙市中考數(shù)學(xué)真題試卷及答案
評論
0/150
提交評論