导读:本文包含了检索目标论文开题报告文献综述及选题提纲参考文献，主要关键词:图像检索,目标定位,卷积神经网络,目标检测
检索目标论文文献综述
袁晖[1]（2019）在《基于特征性能增强和目标定位的图像检索研究》一文中研究指出随着互联网技术的快速发展以及手机、相机等数码产品的普及,互联网上流传的图像数量越来越庞大,且图像中的内容也越来越复杂多样。在海量图像中快速准确的检索出需要的图像已成为热门的研究课题。如何提取具有强表征性能的图像特征以及如何精确定位出图像中的感兴趣区域是近年来图像检索领域的重点研究方向。基于此背景,本文运用深度卷积神经网络,提出了基于特征性能增强和目标定位的图像检索方法。本文主要有两个创新点:一是改进CroW特征加权方法,提出新的卷积特征性能增强方法。在通道加权和平面加权后,使用多尺度的池化窗口在图像卷积特征上滑动得到多个局部特征向量,然后整合成全局特征向量,实验表明该特征向量具有很强的图像表征性。二是本文将基于深度学习的目标检测方法与图像检索方法相结合,提出了基于目标定位的图像检索方法。使用重新训练的SSD目标检测模型定位出图像中需要的目标区域,根据目标区域提取区域特征进行图像检索。该方法对图像的特定区域进行针对性的特征提取,可以最大限度的过滤掉图像干扰因素,极大提高检索精度。本文的主要贡献有叁个:一是使用手工标注的建筑物数据集训练SSD模型,得到能准确检测出图像建筑物区域的目标检测器;二是改进的卷积特征性能增强方法能大幅度提高检索精度,在四个大型图像检索数据库进行评估,其mAP值(平均精度均值)都要优于CroW方法;叁是基于目标定位的图像检索方法在Paris6k数据库和Oxford5k数据库上的mAP值分别达到了90.3%和80.1%,在检索精度上优于近几年的绝大部分图像检索方法。(本文来源于《西安理工大学》期刊2019-06-30）
刘斌,陆尧[2]（2019）在《多载体图书信息邻近似目标精细化检索系统设计》一文中研究指出为了提高多载体图书信息检索能力,提出多载体图书信息邻近似目标精细化检索系统设计方案。采用分位数回归模型构建多载体图书信息筛选模型;采用关联信息熵特征提取方法进行多载体图书信息的近邻特征挖掘,提取多载体图书信息的关联语义特征量;利用语义本体特征重构方法进行多载体图书信息的检索和筛选识别,分析多载体图书信息的输出高维特征信息;采用邻近相关性检索方法实现多载体图书信息的语义信息检索和自适应查询,实现多载体图书信息的信息分类和特征匹配。在算法设计基础上,采用嵌入式的Linux技术进行多载体图书信息邻近似目标精细化检索系统的开发设计。测试结果表明,采用该方法进行多载体图书信息邻近似目标精细化检索的召回性较好,检索效率较高。(本文来源于《现代电子技术》期刊2019年12期）
韩宇[3]（2019）在《检索与生成模型相融合的目标导向型对话系统》一文中研究指出企业业务规模不断扩大,客户越来越多,客服人员工作量增加,但服务能力有限。以电话客服为例,在客户致电或在线咨询客服代表的问题中,超过60%的问题都是常见的,企业要为重复的工作量买单。但若可以应用机器人客服,人力成本就会大大降低。与此同时,互联网内容呈爆炸式增长,使得信息搜索结果良莠不齐。在健康咨询领域中,各类患者人数逐年增加,我国医疗卫生条件不能跟上患者的就医需求,因此如何通过人工智能和其它计算机领域新技术利用网络中的信息解决当前患者的健康咨询问题,带动医学领域的信息化建设,是如今迫切需要解决的问题。针对上述问题,本文提出了建立检索与生成模型相融合的目标导向型对话系统并将之用于健康咨询领域。该系统通过对用户关于健康咨询方面的查询进行语义分析,从大规模信息来源可靠的健康咨询知识库中学习到了答案回复给用户,帮助其解答健康方面的疑惑。检索与生成模型相融合的目标导向型对话系统主要包含叁部分:问题检索模块,语义匹配模块和回复生成模块。我们构建了健康咨询领域的数据集用于训练这些模块中将要用到模型。同时,我们通过一系列的实验证明了这叁个模块中的算法的有效性和优越性。通过结合检索模型和生成模型,对话系统的整体性能得到了大幅提升。(本文来源于《哈尔滨工业大学》期刊2019-06-01）
穆中凯[4]（2019）在《基于感兴趣区域的视频目标检索方法及应用研究》一文中研究指出视频目标检索技术是一种利用计算机视觉算法判断视频中是否存在特定目标的技术,该技术具有十分广泛的应用前景,如智能安防、无人超市和人机交互等场景的特定目标检索和追踪。近年来,受益于深度学习算法的进步,目标检索方法发展迅猛,然而,大多数的相关工作以图像为单位展开研究,很少有人以视频为出发点解决目标检索任务·,除此之外,目前的端到端目标检索算法中一直存在由于检测损失和重识别损失相互干扰而导致的损失函数难以收敛的问题,该问题也限制了目前算法的发展。本文围绕实际应用场景,针对性的提出了一套关键帧的多级提取方法,应对视频数据存储空间要求高、信噪比低的问题。同时,设计了一种基于感兴趣区域的视频目标检索算法,解决相关研究中损失函数难以收敛的问题。具体的研究成果如下:(1)提出一种针对视频目标检索任务的级联式关键帧提取方法。本文调研了现有的关键帧提取技术,并针对检索视频应用场景设计了基于边缘轮廓变化率的镜头分割和基于层次聚类的级联式关键帧提取算法,实验证明,本文设计的关键帧提取算法可以去除大部分冗余信息,将视频内容的存储成本压缩至之前的23%。(2)提出基于感兴趣区域的目标检索算法来解决检索损失难以收敛的问题。本文设计的算法借鉴了RPN网络的候选框提取思想,在其基础上引入全新的感兴趣区域特征加权机制进行验证式模型训练。实验证明,该设计与目前最先进的检索算法相比,F1值从53.24提升到了79.35。有效的解决了检索损失难以收敛的问题,实现目标定位精度和检索准确率的提升。(3)本文针对自然保护区跨摄像头行人检索的实际应用场景,构建了相关数据集,并将本文提出的模型框架应用其中,成功在算法上实现了基于视频的行人检索。可以预见,该技术的应用能有效提高工作人员对自然保护区的监控管理能力。(本文来源于《北京邮电大学》期刊2019-05-27）
单帅帅[5]（2019）在《监控相机网络中视频时空内容组织与运动目标检索方法》一文中研究指出近年来,随着“平安城市”、“智慧城市”等工程的深入开展,在每个城市的主干道、次干道以及街角小巷的两侧和道路交叉口都布设了大量的监控摄像机,主要用于监控行人和车辆等运动目标,这些监控摄像机24小时不间断拍摄,产生了大量的监控视频数据,如何在海量的监控视频数据中快速准确的查询感兴趣运动目标成为研究的热点和挑战,监控视频数据高效组织和检索方法是解决这一问题的核心。监控视频不仅具有丰富的内容信息同时还包含了大量的时空信息,根据研究侧重点的不同,现有的监控视频组织和检索方法主要分为基于时空的方法和基于内容的方法两大类,监控视频的时空检索方法虽然检索速度和精度较高,但此类方法更多的是集中于视频传感器或视频段层面的空间检索,没有关注视频中目标的检索;基于内容的检索虽然能够实现对视频中感兴趣目标的检索,但由于视频数据量巨大、运动目标匹配困难等原因,导致其在检索效率和精度方面不尽如人意。因此,亟需发展一种时空内容统一的监控视频组织和检索方法来结合两类方法各自的优势,克服两类方法各自的缺点,提高方法的实际应用能力。基于以上研究背景,本文以完全固定监控摄像机采集的视频为研究对象,着重研究了时空内容相统一的监控视频数据组织模型的构建,提出了监控视频运动目标提取和匹配方法,发展了一套时空约束下视频运动目标检索理论和方法。本文的主要研究内容及成果如下:(1)多层次监控视频数据组织方法。本文分析了现有监控视频组织方法,面向视频运动目标时空内容检索,设计了多层次视频组织结构,提出了监控视频多层次时空内容组织模型;厘定了多层次视频组织模型的属性描述定义,实现了监控视频多层次时空内容组织方法。(2)视频运动目标多特征提取与匹配方法。本文基于ViBe算法和SSD算法设计了视频运动目标定位方法;在分析了不同图像特征在表达图像内容方面具有不同侧重点的基础上,提出了基于多特征相似度融合的目标匹配方法和匹配结果评价标准。(3)时空约束下运动目标检索方法。本文设计了地理视频覆盖检索方法和时空约束下的运动目标方向、速度等信息获取方法,分析了路网对车辆目标的时空约束作用,以此为基础,顾及目标与监控摄像机主光轴的方位关系,提出了路网约束下的车辆检索方法,有效剔除无效匹配数据,提高了检索的效率和精度。(4)监控视频时空内容组织与检索系统。本文基于已有的研究成果,设计并实现了“监控视频时空内容组织与检索系统”。本文研究提供了一种新的监控视频时空内容相统一的组织方法,丰富和扩展了监控视频检索领域的理论和方法,从应用角度出发,可为公共安防领域提供监控视频感兴趣目标的快速、准确检索,从而为进一步的分析和决策提供有效的支持。(本文来源于《南京师范大学》期刊2019-03-30）
刘锋,王斌[6]（2019）在《目标边界点集的层次化描述及其形状检索应用》一文中研究指出提出用于轮廓线形状和区域形状图像检索的形状描述方法,该方法将目标形状的边界(包括内边界)表示为一个无序的点集,沿各方向对点集的迭代分割,建立层次化的边界点集描述模型.通过对各层形状边界的分割比和分散度的几何特征度量,产生各层的形状特征描述,对它们进行组合,建立对目标形状的层次化描述.两个目标形状的差异性度量定义为它们的层次化描述子的L-1距离.该方法具有:(1)通用性.能够描述轮廓线形状和区域形状这两种不同类型的形状;(2)可扩展性.基于所提出的分层描述框架,可以将分割比和分散度这两种几何度量进行扩展,纳入更多其他几何特征度量,以进一步提高形状描述的精度;(3)多尺度描述特性.提出的分层的描述机制,使得描述子具有内在的由粗到细的形状表征能力;(4)较低的计算复杂性.由于仅仅计算目标图像的边界像素点,使得算法具有较高的计算效率.用MPEG-7 CE-2区域形状图像库和MPEG-7 CE-1轮廓线形状图像库这两个标准测试集对该方法进行评估,并与同类的其他形状描述方法进行比较,实验结果表明:提出的方法在综合考虑检索精确率、检索效率和一般应用能力等指标的情况下,其性能上要优于各种参与比较的方法.(本文来源于《软件学报》期刊2019年09期）
赵雪青,师昕,陈惠娟[7]（2019）在《基于手绘草图骨架特征的叁维目标检索方法》一文中研究指出随着人们对叁维数据使用需求的日益增加,网络上叁维目标数据亦迅速增长,传统的基于关键词的检索方法难以满足叁维目标的检索需求。因此,针对叁维目标检索问题,提出了一种新的基于手绘草图骨架特征的叁维目标检索方法。首先,采用有向梯度直方图(HOG)作为特征描述叁维目标的骨架信息,使用支持向量机实现叁维目标分类检索;其次,手绘叁维目标草图并获取其HOG特征在训练好的叁维目标数据库中进行检索;最后,采用查全率进行客观评价获得叁维目标检索结果。仿真实验结果表明,提出的基于手绘草图骨架特征的叁维目标检索方法具有较好的检索性能。(本文来源于《计算机技术与发展》期刊2019年04期）
彭天强,孙晓峰,栗芳[8]（2018）在《基于全卷积网络的中小目标检索方法》一文中研究指出基于预训练卷积神经网络(convolutional neural networks,CNNs)的图像表示已成为图像检索任务中一种新的方法,但是这种图像表示方法均是对图像的整体特征表示,无法适用于目标仅占被检索图像的部分区域的检索.为了解决该问题,提出一种基于全卷积网络的中小目标检索方法,该方法将预训练全卷积网络应用于目标较小、仅占被检索图像部分区域的检索.1)利用全卷积网络对输入图像大小不受限制的优势,给定被检索图像,经过全卷积网络得到该图像的特征矩阵表示;2)给定查询目标图像,利用全卷积神经网络,得到目标图像的特征表示;3)将目标特征,与被检索图像的特征矩阵的每一个特征进行相似性比对,得到相似值和匹配最优位置.进一步引入多尺度、多比例变换以适用不同大小的实例目标.在标准数据集Oxford5K上的实验表明:该算法的检索性能优于现有算法.另外,在搜集的Logo数据集,该算法得到了不错的检索效果,进一步验证了算法的普适性和有效性.(本文来源于《计算机研究与发展》期刊2018年12期）
贺波涛[9]（2018）在《全景视频生成及目标对象检索关键技术研究》一文中研究指出随着科技的进步及智慧城市的推进,各种视频监控系统已深入人们的生活,产生了海量的非结构化视频数据。本论文以实现基于目标对象的全景视频智能检索系统为目标,研究多镜头全景视频拼接技术、目标检测及目标重识别技术,以云计算为支撑实现对海量全景视频数据中目标对象的快速检索。针对以上关键技术,本论文深究了多镜头全景视频拼接技术,提出了应用分层匹配进行配准并基于变化检测来更新每一帧的视频拼接方法;基于视频目标检索技术是通过对运动目标进行检测提取研究对象,并对检索出来的运动对象进行特征提取与描述,从而对运动对象进行识别分类,其中在运动目标检测阶段本论文分析了经典ViBe算法存在的缺陷,并提出了基于背景平稳特性的ViBe背景建模方法;在目标检索阶段,本论文重点研究了行人的重识别问题,为解决度量学习过程中存在过拟合的问题,提出了基于负样本对双阈值约束的度量学习算法。主要创新点如下:(1)在多镜头全景视频拼接方面,针对具有一定视场重迭的摄像机固定拍摄的视频由于存在视差而造成拼接容易产生鬼影和拼接缝扭曲的情况,且不能满足实时性要求的问题,本论文提出一种应用分层匹配进行配准并基于变化检测来更新每一帧的视频拼接方法,分层匹配比仅使用一个全局投影变换矩阵更能适应层次丰富的复杂场景的配准,基于重迭区域变化检测的帧更新方法可通过检测图像重迭区域的变化情况按需更新拼接线,从而在保证视频拼接效果的同时,也能保持较高的效率。实现结果证明,基于分层匹配进行配准的方式很好的解决场景中存在复杂的深度分布而引起深度失真的现象,基于变化检测的拼接缝更新能有效的消除鬼影及误匹配现象,该成果发表于“Botao He,Shaohua Yu.Parallax-Robust Surveillance Video Stitching,Sensors,2016,16(1):7~19”。(2)针对目标检测算法中,经典的ViBe算法在背景模型初始化时存在运动物体和检测过程中目标由静止变为运动都易出现Ghost现象,而导致消融速度慢的问题,以及原目标易被检测为多个目标而导致目标分裂的问题,本论文针对ViBe算法单帧图像初始化出现Ghost现象的问题进行研究,基于短时间内背景像素沿时间变化为一平稳过程这一假设,提出了基于背景平稳特性的ViBe背景建模方法,该方法采用连续帧来完成背景模型的初始化,在背景模型更新阶段结合了ViBe随机更新方式和像素点的历史信息。实验证明,文中的方法在满足实时性的同时,有效的抑制鬼影现象,在静态场景中有很好的鲁棒性,提升了目标的检测准确性,该成果发表于“Botao He,Shaohua Yu.An Improved Background Subtraction Method Based on ViBe.7th Chinese Conference on Pattern Recognition(CCPR 2016).2016.Part I”。(3)在目标检索阶段,针对现有行人重识别在运用度量学习过程中,为了使正样本对特征距离小于负样本对特征距离,过度约束负样本对的距离尽可能大,而造成过拟合现象发生的问题,本论文提出了一种基于负样本对双阈值约束的度量学习算法,该方法通过对负样本对进行双阈值分割约束,能学习到更多行人图像间本质的区别,显着降低由于训练样本受限、样本受噪声和背景干扰等影响引起的过拟合,具有更强的泛化性。实验证明,对于负样本对之间过大的特征距离进行双阈值的约束,在VIPeR、PRID450S、CUHK01及Market1501数据集上准确率分别提升了0.82%、3.60%、6.21%及13.03%,证明了该方法约束条件对于度量学习模型优化的有效性,该成果发表于“Botao He,Shaohua Yu.Ring-push metric learning for person reidentification,Journal of Electronic Imaging,2017,26(3):033005-1~033005-10”。(本文来源于《华中科技大学》期刊2018-10-01）
解芳,蔡广宇,李阳,林红旗[10]（2018）在《基于成果导向的机械类《专业导论与文献检索》课程目标达成度评价》一文中研究指出以机械类《专业导论与文献检索》课程为例,建立了课程目标与毕业要求间的支撑关系矩阵,反向设计教学环节及考核方式,制订了课程目标达成度评价方法,并应用该方法对任教专业该课程的课程目标达成度进行了量化分析,指出了课程教学过程中存在的问题及拟改进措施。(本文来源于《才智》期刊2018年24期）
检索目标论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为了提高多载体图书信息检索能力,提出多载体图书信息邻近似目标精细化检索系统设计方案。采用分位数回归模型构建多载体图书信息筛选模型;采用关联信息熵特征提取方法进行多载体图书信息的近邻特征挖掘,提取多载体图书信息的关联语义特征量;利用语义本体特征重构方法进行多载体图书信息的检索和筛选识别,分析多载体图书信息的输出高维特征信息;采用邻近相关性检索方法实现多载体图书信息的语义信息检索和自适应查询,实现多载体图书信息的信息分类和特征匹配。在算法设计基础上,采用嵌入式的Linux技术进行多载体图书信息邻近似目标精细化检索系统的开发设计。测试结果表明,采用该方法进行多载体图书信息邻近似目标精细化检索的召回性较好,检索效率较高。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
检索目标论文参考文献
[1].袁晖.基于特征性能增强和目标定位的图像检索研究[D].西安理工大学.2019
[2].刘斌,陆尧.多载体图书信息邻近似目标精细化检索系统设计[J].现代电子技术.2019
[3].韩宇.检索与生成模型相融合的目标导向型对话系统[D].哈尔滨工业大学.2019
[4].穆中凯.基于感兴趣区域的视频目标检索方法及应用研究[D].北京邮电大学.2019
[5].单帅帅.监控相机网络中视频时空内容组织与运动目标检索方法[D].南京师范大学.2019
[6].刘锋,王斌.目标边界点集的层次化描述及其形状检索应用[J].软件学报.2019
[7].赵雪青,师昕,陈惠娟.基于手绘草图骨架特征的叁维目标检索方法[J].计算机技术与发展.2019
[8].彭天强,孙晓峰,栗芳.基于全卷积网络的中小目标检索方法[J].计算机研究与发展.2018
[9].贺波涛.全景视频生成及目标对象检索关键技术研究[D].华中科技大学.2018
[10].解芳,蔡广宇,李阳,林红旗.基于成果导向的机械类《专业导论与文献检索》课程目标达成度评价[J].才智.2018