基于改進BP神經(jīng)網(wǎng)絡(luò)多示例學習的自然圖像分類算法研究.pdf

1、在當今這個信息爆炸的社會，互聯(lián)網(wǎng)在極大地方便了人們搜索信息的同時，也存在著一定的問題。如何從這些浩如星海的信息中檢索到對自己有用的部分，這就涉及到檢索與分類的問題。圖像的分類與標注一直是計算機視覺與機器學習領(lǐng)域的重點內(nèi)容，作為獲取圖像語義信息的重要手段而有著廣泛的應(yīng)用。隨著科技的進步及拍攝工具的普及，越來越多的人們將自己喜歡及感興趣的圖像上傳到網(wǎng)絡(luò)上與人共享，也有越來越多的人們會通過互聯(lián)網(wǎng)來搜尋自己想要的圖片。這也導(dǎo)致自然圖像的分類成為

2、最近幾年研究的熱點問題。傳統(tǒng)圖像分類方法通常是基于人工標記，但是它存在著兩個很難解決的問題:其一是由于人工標記的圖像往往由于主觀因素帶有很強的主觀性，每個人對圖像的標記方式不同會導(dǎo)致不同的分類結(jié)果;其二是由于很多標記工程比較浩大，通過人工來標記既費時又費力，難以大批量地進行。目前對于圖像的分類大多集中于遙感圖像及紋理圖像方面，而對自然圖像的分類研究相對較少，一方面由于自然圖像的語義及包含的對象比較復(fù)雜，沒有明顯的規(guī)律性;另一方面則是由于

3、自然圖像多為彩色圖像，顏色特征紛繁雜亂，使得通過自然圖像中包含的內(nèi)容對其內(nèi)容進行分類面臨著較大的挑戰(zhàn)。目前基于內(nèi)容的圖像分類已經(jīng)取得了一定的研究成果，然而已有的研究方法大多是基于圖像的單一特征，這并不足以充分地描述圖像，但是多示例方法就可以很好地解決這個問題。本文在深入研究多示例學習及神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，提出了全新的多示例學習方法用以解決自然圖像的分類問題。
　　本文的主要研究內(nèi)容如下:
　　針對自然圖像分類問題，基于BP神經(jīng)