图像语义

摘要： [目的/意义]图像资源在非物质文化遗产的保护和传承工作中扮演重要角色,非遗图像语义信息本体构建及关联数据存储和发布研究,有助于拓宽非遗数字资源保存、展示及服务工作思路.[方法/过程]针对现有非遗数字图像资源在组织呈现过程中存在的图文单一排序问题,设计了一种面向非遗图像的语义本体模型,在本体开发软件Protégé上完成编辑以及实例化,根据本体模型设计了实体存储在二维表中的概念模型,并且借助D2RQ平台将关系表转换为RDF格式数据,实现对外发布.[结果/结论]实现关于非遗图像资源的复杂语义网络,为多媒体领域本体提供一种从现有的线性信息呈现方式到多元化的非线性关联数据呈现方式.

摘要： 街道不同的功能导向决定其在街道要素、建筑风格、交通需求等方面存在差异,进而影响街道景观质量.以商业型、生活型、景观休闲型3种类型街道为研究对象,以百度街景图片为主要数据来源,使用DeepLabv3+深度卷积神经网络模型、核密度分析等方法对3种不同类型街道的景观质量进行分析评价.研究结果表明:1)商业型街道更关注街道机动通行指标与色彩丰富指标,对天空开阔程度与空间围合程度重视不够;2)生活型街道重视生活氛围,机动干扰程度低,空间围合程度适宜,但天空开阔程度低、色彩丰富程度欠缺;3)景观休闲型街道偏向旅游体验,天空开阔程度、空间围合程度与色彩丰富度分布均衡,但部分街道机动车干扰程度高、绿化水平有待提升;针对上述问题提出相应的景观质量提升策略.以期为今后城市街道景观研究提供新的思路.

摘要： 计算机视觉中图像处理及图像理解是重要技术,图像语义分割对于图像理解具有直接影响.为能够进一步提高图像语义分割准确性以及效率,提出一种基于全卷积网络的图形语义分割可将任意尺寸图片输入其中,端对端实施像素级分割,能够显著提高分割准确度.但是在实际应用中,容易出现分辨率低问题,为提升图像语义分割精度,该文从FCN基础实施改进,减少池化步长、实现多尺度池化和叠加高层语义因此以及改进代价函数.针对研究算法在PASCAL VOC 2012数据集上对其实施验证以及评测,研究结果发现这一算法和原有算法相比平均交并比得到相助提升,达到0.6％.

摘要： 对灾害情境下的微博图片和文本内容进行分析,理解灾害情境下微博图片与文本的相关性.基于图像语义理解框架构建图文相关性分类模型,通过对图像和文本进行特征抽取,利用机器学习和深度学习方法提出图文相关性的多标签分类方法,针对台风"山竹"事件开展实验分析.灾害情境下大部分微博图文与事件涉及的对象和场景相关,在图文相关性分类任务上基于深度学习方法优于传统机器学习方法.实验数据包含的灾害类型比较单一,实验中为了确保数据的一致性没有有效利用所有标注数据.图文相关性分类模型有助于理解灾害情境下的微博图文内容,深度学习模型能够较好地识别微博图文之间的相关性.

摘要： 为了平衡摄像头使用与用户隐私泄露间的矛盾从数据源上解决隐私泄露问题,提出基于图像语义的服务机器人视觉隐私行为识别与保护算法并集成开发隐私保护系统.首先将注意力模型与卷积神经网络结合,提出融合注意力模型的卷积神经网络场景识别算法;然后设计基于Inception-v3和长短期记忆网络的涉隐私图像语义特征描述算法,进而形成基于图像语义的服务机器人视觉隐私行为识别与保护算法.以室内场景数据集MIT Scene-67为训练和测试数据集,与4种算法比较的实验结果表明,融合注意力模型的卷积神经网络场景识别算法在识别准确性和鲁棒性方面优于比较算法.所实现的视觉隐私行为识别与保护系统性能测试结果表明,系统平均隐私识别准确率和隐私场景语义描述正确率分别为91.65％和86.60％,表现出良好的鲁棒性和隐私保护性能.

摘要： 在计算机视觉系统中,语义分割是一项具有挑战性的任务。现如今它以应用到各行各业:例如自动驾驶汽车,人机交互,机器人技术,医学研究,农业等。其中,许多方法都是使用已显示优越性能的深度学习范例构建的。因此,对这些方法进行调查。首先根据其体系结构下的通用概念将它们分为十个不同的类。其次,通过提供对其进行评估的公共可用数据集的概述。此外,我们介绍了用于评估其准确性的通用评估矩阵。最后,通过讨论一些未解决的问题及其可能的解决方案作为总结。

摘要： 视觉同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)是自主移动机器人、自动驾驶车和无人机关键技术,是当前机器人和计算机视觉领域的研究热点.对当前主流的SLAM技术发展历程及研究现状进行概述.重点围绕RGB-D SLAM研究展开讨论,包括:对各类视觉传感器进行性能分析和对比;对当前具有代表性的几类RGB-D SLAM系统的原理、方法和技术性能进行详细的分析;对RGB-D SLAM的关键问题、测试数据集及评估指标进行综合性归纳.最后,对视觉SLAM的发展趋势进行展望与总结.

摘要： 由于合成孔径雷达(SAR)图像中含有大量相干斑噪声导致目标特征不太明显,仅使用目标强散射特征的传统恒虚警(CFAR)算法时虚警率较高.针对该问题,本文提出了一种新的耦合CFAR检测算法,它既能够检测目标的强散射特征,又能够检测目标的阴影特征.首先,利用目标强散射特征与阴影特征之间的协同关系进行目标检测.耦合CFAR的强散射特征检测与传统CFAR算法完全相同,对阴影特征检测则通过修改传统CFAR算法的积分区间来实现.然后,根据同一个目标的强散射特征与阴影特征之间存在的空间位置关联关系删除虚警目标,取得了更好的检测效果.试验结果表明,该算法在相同检测率的情况下,其虚警率远低于传统CFAR算法.

摘要： 花山岩画是骆越先民社会生活和艺术想象的记录,在广西的民族文化发展史上具有重要意义.通过从符号学角度对花山岩画图像及图像组合进行探究,分析得出以下结论:一是图像符号的能指与所指具有类似性和多样性,呈现具象写实特征和抽象概括特征;二是图像组合的意义并非各个图像表意的简单相加,图像的标记性特征是区分意义的关键;三是语境的变化导致人们对个别图像所指及其各个图像组合意义的理解不同,现代人已很难理解骆越先民在绘画时的表达意图,而这在当时应该是人所共知的.

摘要： 针对图像识别中缺乏语义描述和底层语义映射到高层语义的方法的问题，本文首先采用层次模型按照不同的抽象程度对图像语义进行分解，然后借鉴本体的思想来表示图像语义层次模型提取到的高层语义，并利用描述逻辑建立图像语义知识库和推理机制，最后建立图像语义识别系统，以验证该方法的实用性和有效性。

摘要： 一般地说，传统修辞学的研究对象主要为语言符号传播。视觉文化时代的到来，促使大量的图像产生。修辞现象的思考也有必要从传统的语言修辞的领域扩展到图像修辞的范畴中来。本文介绍了图像修辞的内涵与特性，阐述了图像符号与图像语义的关系，论述了图像表现力与修辞表征。

摘要： 本文提出了一种基于二元语言模型的图像语义自动标注方法，该方法基于二元语言模型的概念,通过考虑一幅图像中各个图像子区域间的相邻关系,建立图像区域与关键字之间的联合概率模型，实验显示,与传统的基于语言模型的图像标注方法相比,该方法能明显地改善标注效果。

摘要： 图像中的叠加文字是理解图像语义的重要语义线索。叠加文字区域除对比度强和边缘密集特点外,文字笔画的线条、尺度以及空间分布等也会随着不同语言而呈现出不同于背景区域的特定纹理模式。本论文提出一种利用笔画线条的统计特征基于支持向量机进行图像中叠加文字检测的方法。以汉字为例的初步实验表明所提出笔画纹理特征对较多字符构成的文字区域具有很好的性能。

摘要： 基于语义的图像检索是当前图像检索技术发展的必然趋势。本文介绍了基于语义的图像检索的一些基本理论问题：如图像的多层语义模型、图像语义的抽取模型和基于语义的检索模型等；并探讨了几种代表性的图像语义分割技术；最后指出了基于二语义的图像检索急需解决的一些问题。

摘要： 为了实现基于语义的WWW图像检索，本文提出了一种图像语义的表征模型和图像语义词典的建设方法，给出了一种利用图像语义词典提取WWW图像语义属性的方法和实验结果。

摘要： 图像情感语义研究的目的是希望计算机能够模拟和描述人观察图像后所引起的情感,使用带有主观感情色彩的语义表述图像,是一个具有挑战性的前沿课题.本文根据图像线条与人的动感感觉之间的联系,将图像线条倾斜度的分布做为图像特征,采用概率神经网络建立图像特征与图像动感之间的联系,实现了图像动感情感的机器评估,取得了较好的实验结果.

摘要： 图像情感语义研究的目的是希望计算机能够模拟和描述人观察图像后所引起的情感,使用带有主观感情色彩的语义表述图像,是一个具有挑战性的前沿课题.本文根据图像线条与人的动感感觉之间的联系,将图像线条倾斜度的分布做为图像特征,采用概率神经网络建立图像特征与图像动感之间的联系,实现了图像动感情感的机器评估,取得了较好的实验结果.

摘要： 图像情感语义研究的目的是希望计算机能够模拟和描述人观察图像后所引起的情感,使用带有主观感情色彩的语义表述图像,是一个具有挑战性的前沿课题.本文根据图像线条与人的动感感觉之间的联系,将图像线条倾斜度的分布做为图像特征,采用概率神经网络建立图像特征与图像动感之间的联系,实现了图像动感情感的机器评估,取得了较好的实验结果.

摘要： 图像情感语义研究的目的是希望计算机能够模拟和描述人观察图像后所引起的情感,使用带有主观感情色彩的语义表述图像,是一个具有挑战性的前沿课题.本文根据图像线条与人的动感感觉之间的联系,将图像线条倾斜度的分布做为图像特征,采用概率神经网络建立图像特征与图像动感之间的联系,实现了图像动感情感的机器评估,取得了较好的实验结果.

摘要： 本发明公开了一种图像语义分割模型的训练方法及图像语义分割方法，训练方法包括：将预先标注语义分割信息的训练图像分别输入到至少两个基础语义分割子模型中，得到对应的至少两个包含语义信息的特征图；将至少两个特征图及其预先标注的语义分割信息同时输入到注意力模型中，以计算出每个特征图的权重；利用融合单元将至少两个所述特征图按相应权重进行融合，得到所述训练图像的预测语义分割结果；依据所述训练图像的预测语义分割结果和预先标注的语义分割信息，对至少两个基础语义分割子模型和注意力模型的参数进行修正；利用若干训练图像不断迭代执行上述训练步骤直至至少两个基础语义分割子模型和注意力模型的训练结果满足预设的收敛条件。

摘要： 本发明提供了一种基于图像和文本语义相似度的图像语义消歧方法和装置。该方法包括：将一个多义词的一个意思用一个均值向量表示，使用图像显著性标签对待处理图像进行标注，得到待处理图像的标签，将待处理图像的标签和图像内容转换成向量的形式，得到待处理图像的融合向量；使用余弦相似度分别计算出待处理图像的融合向量与每个均值向量之间的相似度，找出相似度最大的均值向量，将该相似性最高的均值向量对应的意思确定为待处理图像的正确解释。本发明采用图像、文本结合的方法，将图像转换为向量，解决了图像翻译和图像查询歧义的问题，并开创性地实现了有效消除图像歧义性。大大提高了图像查询和解释的准确性，降低了图像解释的错误率。

摘要： 本申请涉及人工智能领域，具体涉及计算机视觉领域，提供一种图像语义分割方法和图像语义分割装置，该方法包括：获取待处理图像的初始特征图，将初始特征图输入到分割网络，从而得到待处理图像的语义分割图，该语义分割图的分辨率与待处理图像的分辨率相同，该分割网络包括至少一个非对称卷积单元，该至少一个非对称卷积单元用于对初始特征图进行特征提取，非对称卷积单元生成的多个感受野的形状不完全相同。通过将单一形状的感受野扩展为多形状的感受野，使得与实际物体和人的形状更加匹配，有效提高分割精度。

摘要： 本申请涉及一种图像语义分割模型训练方法、图像语义分割方法及装置。该方法包括：根据图像中各类别像素的像素占比，获得待训练的图像语义分割模型预测所述图像中各类别像素的权重；根据所述图像中各类别像素的权重，获得图像语义分割模型预测所述图像中各类别像素的损失值；根据所述损失值，调整图像语义分割模型的参数，获得训练好的图像语义分割模型。本申请提供的方案，能够提高图像语义分割模型的训练效果，提高图像语义分割模型的语义分割准确率。

摘要： 本申请涉及一种图像语义分割方法、装置及图像语义分割模型的训练方法。所述方法包括：通过将待分割图像输入多通道特征提取网络进行特征提取，得到特征提取网络每个通道提取的图像特征，并对每个通道提取的图像特征进行第一融合处理，得到第一融合特征，基于第一融合特征进行上采样，并与相同尺寸的图像特征进行第二融合处理，得到待分割图像的语义分割结果。其通过采用多通道特征提取网络进行特征提取，从而提高了对待分割图像细节特征信息的提取，通过应用跳转连接的方式对提取的特征进行特征融合，从而提高了对边界信息的识别准确度。

摘要： 本公开提供了图像语义分割模型训练、图像语义分割方法、装置、电子设备、计算机可读存储介质及计算机程序产品，涉及计算机视觉和深度学习等人工智能技术领域。该方法包括：利用多个下采样层对各样本图像进行尺度缩减；控制输出特征图的尺度大于预设尺度的下采样层仅在预设的各子区域内进行像素点间的关联计算，得到第一特征图；控制输出特征的尺度不大于预设尺度的下采样层在全图内进行各像素点间的关联计算，得到第二特征图；利用上采样层对第一特征图和第二特征图进行尺度恢复，得到处理后特征图；基于处理后特征图和相应的图像语义标注结果，训练图像语义分割模型，得到目标图像语义分割模型。可缩短图像语义分割模型的训练时长和结果输出耗时。

摘要： 本发明涉及一种用于图像语义分割的SAUNet++网络与图像语义分割方法，解决如何提高图像语义分割精度的技术问题。通过若干SER模块之间的下采样连接、上采样连接以及长短跳跃连接形成U‑Net++网络结构，从而得到SU‑Net++网络，使得SU‑Net++网络具备一条下采样链路和不同深度的上采样链路以及用于合并特征图的跳跃连接网络；所述SER模块为挤压激励残差模块，用于调整特征图的通道数和各通道的权值；在所述SU‑Net++网络结构的下采样链路的末端与最深层上采样链路的首端之间增加一个ASPP模块，从而形成SAUNet++网络。本发明可以学习到图像中更丰富更重要的特征，提高分割准确率，医学图像和自然图像都能有效分割。

摘要： 本发明公开了一种图像语义分割模型的训练方法及图像语义分割方法，训练方法包括：将预先标注语义分割信息的训练图像分别输入到至少两个基础语义分割子模型中，得到对应的至少两个包含语义信息的特征图；将至少两个特征图及其预先标注的语义分割信息同时输入到注意力模型中，以计算出每个特征图的权重；利用融合单元将至少两个所述特征图按相应权重进行融合，得到所述训练图像的预测语义分割结果；依据所述训练图像的预测语义分割结果和预先标注的语义分割信息，对至少两个基础语义分割子模型和注意力模型的参数进行修正；利用若干训练图像不断迭代执行上述训练步骤直至至少两个基础语义分割子模型和注意力模型的训练结果满足预设的收敛条件。

摘要： 本发明提供了一种基于图像和文本语义相似度的图像语义消歧方法和装置。该方法包括：将一个多义词的一个意思用一个均值向量表示，使用图像显著性标签对待处理图像进行标注，得到待处理图像的标签，将待处理图像的标签和图像内容转换成向量的形式，得到待处理图像的融合向量；使用余弦相似度分别计算出待处理图像的融合向量与每个均值向量之间的相似度，找出相似度最大的均值向量，将该相似性最高的均值向量对应的意思确定为待处理图像的正确解释。本发明采用图像、文本结合的方法，将图像转换为向量，解决了图像翻译和图像查询歧义的问题，并开创性地实现了有效消除图像歧义性。大大提高了图像查询和解释的准确性，降低了图像解释的错误率。

摘要： 本发明公开了一种基于多感受野上下文语义信息的图像语义分割方法，包括步骤一、将输入图像通过卷积操作转换成像素矩阵；二、采用不同扩张率的扩张卷积将同一个像素矩阵转换为多个具有多感受野上下文语义信息的特征图；三、具有多感受野上下文语义信息的特征图分别通过不同子网中的转换器编码器进行特征提取和下采样处理，得到多个具有不同感受野的下采样特征图；四、下采样特征图通过解码器进行逐步上采样处理，得到相同尺寸和维度的特征图，并生成最终的特征融合图；五、特征融合图通过卷积神经网络完成图像分割的预测。本发明能够有效应用在图像语义分割中，不会丢失深层的低分辨率特征和细粒度特征，消耗内存小，效果显著，便于推广。