共查询到20条相似文献,搜索用时 125 毫秒
1.
为了实现基于内容的男西装图像情感语义识别,需要把男西装图像的低层特征映射到情感语义空间。在构建出的2维图像情感因子空间和男西装图像视觉特征(10维亮度一冷暖模糊直方图;7维的饱和度一冷暖模糊直方图+色彩对比度值的综合特征)的基础上,本文通过机器学习(BP神经网络)实现了男西装图像的低层特征到情感语义因子空间的映射,根据图像低层颜色特征可以自动完成图像情感因子值和情感描述值的计算,并把识别后的新图像数据自动加入到图像数据库中。实验证明,BP神经网络方法能较好的实现基于内容的男西装图像情感语义的识别。 相似文献
2.
3.
利用图像的低层特征实现了图像高层情感语义(happy和sad)的分类:通过在HSV颜色空间中提取图像的全局颜色特征,并利用黄金分割原理提取位于视觉中心位置主要区域的局部颜色特征,结合二维Gabor小波变换提取全局图像的纹理特征,实现对自然风景图像进行情感特征提取.采用PCA方法对情感特征进行降维,将降维后的特征向量结合BP神经网络,完成情感语义分类检索. 相似文献
4.
5.
6.
7.
8.
我国木材材种识别技术的新进展 总被引:3,自引:0,他引:3
介绍了传统的板材识别方法,包括人工经验识别法、对分式检索表法和穿孔卡片检索表法.总结了基于计算机识别技术的各种木材识别方法:数据库查询检索法、木材图像识别法、利用神经元网络和木材表面颜色特征对木材进行分级的方法、基于语义数据模型的识别方法、基于最大相似原理的材种判别法和木材细胞模型系统的研究进展,重点论述了基于板材端面细胞实体检测图像的数字特征参数识别法.还总结了木材识别理念的更新和进展,指出基于板材端面细胞实体检测图像的数字特征参数识别法大幅度地加快了识别和比较计算的速度,减少了传统依赖图像像素特征识别比较的不确定性. 相似文献
9.
为实现织物图像的快速自动识别与检索,从织物图像浅层视觉特征提取、深度语义特征学习以及检索模型构建3个方面综述了该领域的研究进展,分析了现有研究中存在的问题。发现织物图像浅层视觉特征在小样本数据集的检索中具有较好的适用性,且多特征融合应用可有效提升检索精度,但在大样本数据集及高层语义识别检索问题中的应用存在局限性,深度卷积神经网络是克服这一问题的有效途径;织物语义属性的优化设计、卷积神经网络结构优化以及距离尺度学习是目前提升深度检索模型语义识别精度的3个有效途径;认为未来织物图像识别检索精度的提升主要依赖于标准化的语义系统设计、精准的图像分割与识别技术以及多模态的信息融合检索。 相似文献
10.
11.
12.
针对大数据时代下网络信息过载、价值密度低的现状和消费者愈发关注的情感需求,基于BCC语料库和互联网数据,利用网络爬虫和自然语言处理工具KH-coder对8种单色色彩的情感语料知识进行采集和挖掘,通过筛选和词频统计获得色彩情感核心语义特征。探索了将互联网中分散的非结构化的知识转化为结构化知识的方法,有助于服装行业知识图谱的建立,进一步为计算机智能化设计和情感识别及评价提供参考。 相似文献
13.
14.
15.
针对织物图像在电子商务、库存管理等领域的应用存在分类繁琐、检索精度不高等问题,提出了一种基于迁移学习的小样本织物图像自动分类与检索系统。首先,设计并改进了基于迁移学习的深度学习模型,对其进行微调;然后基于小样本织物图像集训练,生成新的分类模型,实现织物图像自动分类;最后,去除新模型中的分类层,提取数据集所有织物图像的图像特征,存储到Milvus向量数据库中,输入待检索织物图像,选择相似度计算方法,实现织物图像top k检索。实验结果表明:预训练模型经重新设计及训练后,织物图像识别精度可达99.5%,top 5检索的平均精度均值为0.992,平均查准率为99.65%,平均检索时间0.165 3 s。通过系统的实施,可为小样本织物图像分类与检索领域现存问题提供可行的解决方案。 相似文献
16.
17.
基于改进卷积神经网络的化纤丝饼表面缺陷识别 总被引:2,自引:0,他引:2
针对传统人工检测化纤丝饼表面缺陷方法的不足,提出改进的卷积神经网络对正常以及3种常见缺陷丝饼进行分类识别。首先对采集的丝饼图像进行分块处理,然后利用改进的卷积神经网络进行特征提取,采用全局最大池化层代替全连接层,增强了图像对空间变换的鲁棒性,减少了模型参数,并利用softmax分类器进行分类。最后在网络学习过程中提出主动学习方法,用少量标注样本对网络进行训练,选出对提升网络性能最具价值的样本进行标注并加入到训练样本中进行训练检测。结果表明,该方法可有效实现丝饼的缺陷识别,识别准确率达到97.1%,并有效减少了网络所需的标注样本数量,节省大量的标注成本,具有一定的通用性。 相似文献
18.
朱荣 《中国印刷与包装研究》2014,(2):20-25,35
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。为验证模型标注的准确性,选取LabelMe和Caltech-101图像数据库中的图像进行相关实验,结果表明本研究提出的模型提高了图像标注的准确率。 相似文献
19.
20.
针对印花面料设计专业性要求高、面料打样耗时费力、对面料进行换色生产系列产品困难的问题,提出了一种基于纹理平滑与均值漂移(Mean-shift)的面料分色换色方法。采集并剪裁获得印花面料图像,采用相对总变差模型对面料图像进行纹理平滑,将平滑后的图像转换到CIE1976L*a*b*色彩空间,然后利用Mean-shift聚类算法对面料图像进行分割,提取面料图像分色。通过交互式的方法调节分色,建立目标颜色与图像原始分色的映射关系,实现面料的分色换色,并采集不同的印花面料图像进行换色实验。结果表明:换色图像自然真实,面料纹理细节保留完整,可辅助印花面料设计,模拟印花面料的打样效果。 相似文献