基于多視角學習的圖像語義分析技術(shù)

定　價：￥38.00

作　者：	薛哲著
出版社：	北京郵電大學出版社
叢編項：	“十三五”科學技術(shù)專著叢書
標　簽：	暫缺

購買這本書可以去

ISBN：	9787563557820	出版時間：	2019-08-01	包裝：	平裝
開本：	16開	頁數(shù)：	107	字數(shù)：

內(nèi)容簡介

　　圖像具有生動直觀、表現(xiàn)力強等特點，面向圖像數(shù)據(jù)的語義分析方法受到研究者的廣泛關注。然而，僅僅利用單一視覺特征在表示圖像內(nèi)容時的描述能力有限，為了更加全面豐富的描述圖像，可以利用圖像多個視角的特征，讓不同視角之間相互補充、相互促進，從而更好的發(fā)現(xiàn)圖像的高層語義。本書將詳細介紹目前主流的基于多視角融合的圖像降維、圖像聚類和圖像標注技術(shù)。為了對高維度的圖像特征的進行降維，提出基于雙階段子空間學習的多視角降維方法；針對統(tǒng)一融合權(quán)重導致多視角融合不準確的問題，提出基于分組敏感多視角融合的圖像聚類方法；針對底層多視角特征與高層語義之間存在“語義鴻溝”的問題，提出圖像多視角表示與標注的聯(lián)合學習方法。本書還根據(jù)在不同的數(shù)據(jù)庫上的對比實驗顯示本書所提方法的有效性。

作者簡介

　　薛哲，北京郵電大學講師，畢業(yè)于中國科學院大學，從事多媒體分析、圖像處理、機器學習等領域的研究工作，在國際重要刊物和著名學術(shù)會議上已發(fā)表論文十余篇。論文發(fā)表在IEEE TCSVT（CCF B類）、Information Sciences（CCF B類）、CVIU（CCF B類）等國際期刊，以及國際會議AAAI（CCF A類）和知名國際會議ICME（CCF B類）等。作為核心人員先后參加了多項科研項目，包括國家973課題“跨媒體語義學習與內(nèi)容理解”、國家自然科學基金重點項目“面向網(wǎng)絡事件的跨平臺異質(zhì)媒體語義協(xié)同與挖掘”和“基于時空特性的在線社交網(wǎng)絡搜索研究”等。

圖書目錄

目錄第1章緒論
1.1研究背景
1.2存在的問題
1.3本書主要內(nèi)容
1.4符號說明
第2章研究現(xiàn)狀
2.1本章導讀
2.2基本準則
2.2.1一致性準則
2.2.2互補性準則
2.3方法分類
2.3.1協(xié)同訓練
2.3.2多核學習
2.3.3子空間學習
第3章基于分組敏感多視角融合的圖像聚類方法研究
3.1本章導讀
3.2相關工作
3.3基于分組敏感多視角融合的圖像聚類
3.3.1預備知識
3.3.2方法概述
3.3.3初始化
3.3.4基于成對融合的策略（GOMES_P)
3.3.5基于中心融合的策略（GOMES_C)
3.3.6更新圖像分組Z
3.4實驗
3.4.1對比方法
3.4.2數(shù)據(jù)集
3.4.3實驗設置
3.4.4評價準則
3.4.5實驗結(jié)果分析
3.4.6參數(shù)敏感性分析
3.5小結(jié)
第4章基于雙階段子空間學習的多視角降維方法研究
4.1本章導讀
4.2相關工作
4.3雙階段多視角隱空間學習
4.3.1預備知識
4.3.2階段：可比較表示學習
4.3.3第二階段：低維表示學習
4.3.4總的目標函數(shù)
4.4優(yōu)化求解
4.4.1更新變量U(i),V(i), Z(i)
4.4.2更新變量F
4.4.3更新變量γi
4.4.4收斂性分析
4.5實驗
4.5.1數(shù)據(jù)庫
4.5.2對比方法
4.5.3評價準則
4.5.4實驗設置
4.5.5實驗結(jié)果
4.5.6參數(shù)敏感性分析
4.6本章小結(jié)
第5章圖像多視角表示與標注的聯(lián)合學習方法研究
5.1本章導讀
5.2相關工作
5.3圖像多視角表示與標注的聯(lián)合學習方法
5.3.1預備知識
5.3.2基于語義信息指導和多視角結(jié)構(gòu)保留的子空間學習
5.3.3標簽預測器學習
5.3.4投影函數(shù)學習
5.3.5總的目標函數(shù)
5.3.6優(yōu)化算法
5.3.7更新P
5.3.8更新Z
5.3.9更新αt
5.4實驗
5.4.1數(shù)據(jù)集
5.4.2對比方法
5.4.3評價準則
5.4.4實驗設置
5.4.5實驗分析
5.4.6參數(shù)敏感性分析
5.5本章小結(jié)
第6章基于深度低秩子空間集成學習的圖像聚類方法研究
6.1本章導讀
6.2相關工作
6.2.1基于多核/多圖學習的方法
6.2.2基于子空間學習的方法
6.2.3基于深度學習的方法
6.3基于深度低秩子空間集成學習的圖像聚類方法
6.3.1預備知識
6.3.2深度低秩子空間學習
6.3.3多視角多層次子空間集成學習
6.3.4終目標函數(shù)
6.4優(yōu)化求解
6.4.1預訓練
6.4.2Z(v)i的更新規(guī)則
6.4.3H(v)i的更新規(guī)則
6.4.4S(v)i的更新規(guī)則
6.4.5F的更新規(guī)則
6.4.6α的更新規(guī)則
6.4.7時間復雜度分析
6.5實驗
6.5.1數(shù)據(jù)集
6.5.2比較方法和評估指標
6.5.3參數(shù)設置與收斂分析
6.5.4性能比較
6.5.5參數(shù)敏感性分析
6.6結(jié)論
第7章結(jié)束語
參考文獻