| 图像语义特征的探索及其对分类的影响研究 |
| |
| 引用本文： | 高亚琪,王 昊,刘渊晨.图像语义特征的探索及其对分类的影响研究[J].情报科学,2021,39(10):107-117. |
| |
| 作者姓名： | 高亚琪 王 昊 刘渊晨 |
| |
| 摘 要： | 【目的/意义】针对当前利用计算机管理图像资源存在图像语义特征表达不足等问题，探索和分析了特征及
特征融合对分类结果的影响，提出了一种提高图像语义分类准确率的方法。【方法/过程】本文定义了四种图像风
格，将图像描述特征划分为三个层次，探究特征融合的特点，寻求能有效表达图像语义的特征。分别采用SVM、
CNN、LSTM 及迁移学习方法实现图像风格分类，并将算法组合以提高分类效果。【结果/结论】基于迁移学习的
ResNet18模型提取的深层特征能够较好地表达图像的高级语义，将其与SVM结合能提高分类准确率。特征之间
并不总是互补，在特征选择时应避免特征冗余，造成分类效率下降。【创新/局限】本文定义的风格数目较少，且图像
展示出的风格并不绝对，往往可以被赋予多种标签，今后应进一步丰富图像数据集并尝试进行多标签分类。
|
|
| 点击此处可从《情报科学》浏览原始摘要信息 |
| 点击此处可从《情报科学》下载免费的PDF全文 |
|
