基于神经网络的图像标注模型研究 research on image annotation model based on neural network.pdfVIP

下载本文档

11
0
约2.07万字
约 7页
2017-11-19 发布于上海
举报
版权申诉

基于神经网络的图像标注模型研究 research on image annotation model based on neural network.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于神经网络的图像标注模型研究 research on image annotation model based on neural network

中国印刷与包装研究2014年第2期(第6卷) 研究论文 CH】NAPRⅡ哪r矾GANDPACKAG斟GSTUDYV01．06No．22014．4 RESEARCHPAPERS 基于神经网络的图像标注模型研究朱荣 (曲阜师范大学计算机科学学院，日照276826) 摘要对图像进行准确标注是提高图像检索率的有效手段，针对目前图像标注的相关研究存在的问题，本研究提出了一种基于神经网络的图像标注模型，此模型由一个自适应分类网络和一个非线性相关网络组成。模型进行图像标注分为两个阶段：第一阶段，从输入图像分割出的不同区域提取特征信息传送到自适应分类网络，以产生分类标签；第二阶段，非线性相关网络以通过训练图像学习的关键词的相关性为依据来细化分类结果。为验证模型高了图像标注的准确率。关键词神经网络；图像标注；图像分割；特征提取中图分类号哪5l 文献标识码A 文章编号1674—5752(2014)02—20—06 A衄0tati伽M0delB嬲edon№ural№twork Research蚰IIIlage ZHU Rong (＆^DDf D，cb唧“胞r＆f伽P，Q咖ⅣD砌Z踟iv已坩打y，尺f咖D276826，cA砌) AbstmctIIlthis allnotationmodelbased re- onneuralnetworkwas to me study，a11image image pmpoSedailllingimproVe trieVal．11lismodelconsistedofan claSsificationnetworkaIldanoIllinearcorrelationnetwork．The adaptiVe diVidedintotwo extractedf沁mthedif!f色rent re— 嘶m山emodelwas thefirst featureswere phases．IIl stage，the segmentation ofthe senttothe classificationnetworkto aclassificationlabel．IIlmesecond gions image，aIld ad印tiVe input produce noIllinearnetworkrefinedtheclassiflcationresults onthecon℃lationofme stage，the depending key、Ⅳordsof嘶Ilingimage． were Related camedoutbasedonL舭lMeaIldCaltech一101database．，nle resultsshowed exp嘶ments image experimental thattlle modelcall tlle of proposed impmVeacc