基于卷积神经网络的视频检索方法及系统.pdf
玉怡****文档
亲,该文档总共15页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于卷积神经网络的视频检索方法及系统.pdf
本发明公开了一种基于卷积神经网络的视频检索方法及系统,所述方法包括:首先构建基于卷积神经网络的计算模型;通过图像数据对计算模型进行训练,得到优化计算模型;去除模型中的分类器,得到提取计算模型;对已有视频资源进行转场帧的提取,并通过提取计算模型提取得到转场帧的转场特征,建立转场特征数据库;将待检索的视频进行转场帧的提取得到转场特征,将转场特征在转场特征数据库中进行检索,得到视频的检索结果。所述基于卷积神经网络的视频检索方法及系统通过将视频内的转场帧作为数据处理的对象,不仅提高了检索过程的鲁棒性,而且去除了冗
基于融合特征门控的三维卷积神经网络的视频检索方法.pdf
一种基于融合特征门控的三维卷积神经网络的视频检索方法,由数据集预处理、划分数据集、构建三维卷积神经网络、训练三维卷积神经网络、测试三维卷积神经网络步骤组成。本发明对三维卷积神经网络进行了优化和提升,解决了现有技术中检索精度低的技术问题,且为解决同类问题提供一种不同的构思方案,采用了3个特征门控,特征门控采用重置门和更新门构成,解决了现有技术中视频信息冗余信息技术问题,能够更加精确地提取视频特征信息,为进一步检索奠定基础。本发明具有检索精度度稿、检索速度快、检索效果好等优点,可用于视频图像的检索。
基于深度卷积神经网络的服装属性检索方法.pdf
本发明公开了一种基于深度卷积神经网络的服装属性检索方法,包括:采用快速的基于区域的卷积神经网络对输入图像进行人像检测;使用预训练的深度卷积神经网络进行属性特征提取,并保留最后池化层的特征;通过共享层连接最后池化层保留的特征,并融合所有属性的特征信息;建立属性树,将服装属性进行分类,将共享层按照分类进行分支,每个属性分支用于一组相关属性预测;将属性分支的输出串联叠加,进行归一化,通过局部敏感哈希法进行相似度衡量,得出结果。可以将服装属性的特征描述用于部分服装属性检测,可显著提高服装属性预测的准确率。
基于卷积神经网络的图像检索重排序方法.pdf
本发明公开了一种基于卷积神经网络的图像检索重排序方法,包括:截取原始的检索结果列表,保留前L个结果,依据L个结果的特征的相似性,将L个结果表示为相似性矩阵,再根据相似性矩阵,计算对应的相关系数矩阵;将相关系数矩阵输入至预先训练好的卷积神经网络中,预测L个结果与查询图像的相关度,基于相关度大小对L个结果重排序,再与原始的检索结果列表中剩余部分组合在一起,获得对应的重排序结果;设置不同的L值,对于不同L值对应的重排序结果,基于图像检索质量评价的方法,选出检索质量最高的作为最终重排序结果。该方法能够在保证重排序
一种基于深度卷积神经网络的图像检索方法.pdf
本发明涉及一种基于深度卷积神经网络的图像检索方法,该方法包括:S1:采集图像数据;S2:构建深度卷积神经网络模型;S3:对该模型被训练和参数调整后,在该模型中进行学习二进制哈希编码以及计算损失;S4:在计算损失后,再对测试集图像数据进行图像检索。通过本发明学习到图像的深层次的特征,提高图像检索的精确度,克服了没有办法学习到图像深层次的特征,以及没有办法解决计算数据量存储空间过大的问题。