已閱讀1頁，還剩58頁未讀， 繼續(xù)免費(fèi)閱讀
版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、本研究針對圖像自動標(biāo)注問題進(jìn)行分析，研究了基于LDA主題模型的多目標(biāo)圖像標(biāo)注方法，并利用空間近鄰信息篩選優(yōu)化主題模型，提高標(biāo)注的準(zhǔn)確率。主要內(nèi)容包括：研究了基于LDA主題模型的單目標(biāo)圖像標(biāo)注。利用LDA主題模型，計算出任務(wù)圖像的主題概率分布，通過計算主題中視覺特征的空間位置信息，進(jìn)而實(shí)現(xiàn)對單目標(biāo)圖像的目標(biāo)區(qū)域分割及標(biāo)注。實(shí)驗(yàn)結(jié)果表明，該方法對單目標(biāo)圖像的目標(biāo)區(qū)域分割及標(biāo)注有很好的效果。針對多目標(biāo)圖像標(biāo)注問題進(jìn)行研究，利用LDA主題模型來
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于LDA主題模型的圖像檢索研究.pdf
- 基于LDA主題模型的圖像場景分類研究.pdf
- 基于LDA主題模型的圖像場景分類.pdf
- 基于概率主題模型的圖像標(biāo)注研究.pdf
- 基于Spark并行LDA主題模型的研究.pdf
- 基于改進(jìn)LDA模型的自然圖像分類.pdf
- 基于圖像自動標(biāo)注的圖像檢索系統(tǒng)的研究實(shí)現(xiàn).pdf
- 基于LDA主題模型的評價對象抽取研究.pdf
- 基于主題分析的圖像自動標(biāo)注研究.pdf
- 基于圖像標(biāo)注的在線協(xié)作系統(tǒng)的設(shè)計與實(shí)現(xiàn).pdf
- 基于LDA模型與SVM的文本分類研究與實(shí)現(xiàn).pdf
- 基于貝葉斯方法的圖像標(biāo)注研究與系統(tǒng)實(shí)現(xiàn).pdf
- 基于詞性與LDA主題模型的文本分類技術(shù)研究.pdf
- 圖像分類標(biāo)注系統(tǒng)的設(shè)計與實(shí)現(xiàn).pdf
- 基于局部線性假設(shè)的圖像自動標(biāo)注系統(tǒng)設(shè)計與實(shí)現(xiàn).pdf
- 基于稀疏回歸模型的圖像標(biāo)注研究.pdf
- 基于有限混合模型的自動圖像標(biāo)注研究.pdf
- 主題模型LDA推理算法對比與改進(jìn)研究.pdf
- 基于LDA主題模型的TFIDF算法改進(jìn)及應(yīng)用.pdf
- 基于Phrase-LDA主題模型的茶產(chǎn)品群組推薦研究.pdf
評論
0/150
提交評論