导读:本文包含了图像数据集论文开题报告文献综述及选题提纲参考文献，主要关键词:生成对抗网络,变分自编码,BEGAN,稳定性
图像数据集论文文献综述
张家亮,何志鹏,王媛媛,曾兵,沈宜[1]（2019）在《一种基于有限数据集的图像快速生成改进方法》一文中研究指出生成对抗网络是一种强大的图像生成方法,主要的训练策略是生成器与判别器之间的零和博弈,通过生成器和判别器的循环对抗训练,最终达到纳什均衡。为了在有限数据集上快速生成图像,通过使用变分自编码器(Variational Auto Encoder,VAE)提取真实图像信息,并将重建图像视为虚假图像来改进BEGAN,以增加判别器辨别真假图像的难度,特别是在训练初期进一步缓解模式崩溃和稳定性问题。生成器通过正则化项获取VAE提取的信息来加快学习速度。实验数据验证,该改进的BEGAN网络训练稳定,具备在有限数据集上快速生成高质量和高多样性图像的能力。(本文来源于《通信技术》期刊2019年05期）
王鹏宇,曾路,吴漾[2]（2019）在《基于大数据集域自适应快速算法的图像特征智能识别模型构建》一文中研究指出通常采用图像特征智能识别以提高对图像高频成分的识别度。基于大数据集域自适应快速算法构建图像特征智能识别模型。在图像特征智能识别模型构建过程中,对于图像特征智能识别过程中容易产生伪图像特征识别、细节性模糊与图像特征智能识别的不间断性问题,使用大数据集域自适应快速算法可以提高图像特征智能识别的效率。经过实验表明,基于大数据集域自适应快速算法的识别特征模型能够有效提升微小图像特征平均识别率,且鲁棒性较好。(本文来源于《国外电子测量技术》期刊2019年04期）
韦韬,帅立国,张雨露[3]（2019）在《图像数据集噪声对卷积网络分类的影响（英文）》一文中研究指出为了评估数据集噪声的影响,引入了NIN (network in network)模型,研究了不同类型和比例的噪声对深度卷积模型的负面影响.将不同种类和比例的数据噪声加入基准数据集Cifar-10和Cifar-100,然后使用这些包含噪声的数据来训练深度卷积模型,并对验证数据集进行分类.实验结果表明,数据集中的噪声对深度卷积网络分类模型确实有明显的不利影响.其中,随机噪声的不利影响很小,但是类别之间的跨类噪声却显着地降低了模型的识别能力.因此,提出了一种解决方案用来改进混入单类别噪声的数据集质量,即用含有噪声的数据集训练的模型评价当前训练数据,并将异常的类别重新归类以形成新的数据集.经过多轮迭代训练,可以大大降低其噪声比率,从而可以有效避免交叉类别噪声的影响.(本文来源于《Journal of Southeast University(English Edition)》期刊2019年01期）
史通,王洁,罗畅,蔡启航,王世强[4]（2018）在《用于迁移学习的飞机遥感图像数据集的建立》一文中研究指出遥感图像目标识别是空天遥感应用领域中的一个重要研究方向,在军用、民用方面都有着深远的理论意义和巨大的应用价值。以遥感图像飞机目标的细分类研究为目的,以民用客机、直升机、初级教练机、战斗机、运输机和轰炸机这6类飞机为代表,注重于建立起用于迁移学习的各类飞机的遥感图像数据集,并介绍了图像采集、图像预处理的相关操作。该数据集的建立,为日后遥感图像飞机目标识别系统的搭建打下坚实的基础。(本文来源于《火力与指挥控制》期刊2018年12期）
刘鑫童,刘立波,张鹏[5]（2018）在《基于多重卷积神经网络跨数据集图像分类》一文中研究指出为解决不同数据集共同类图像特征学习能力弱的问题,采用深度学习算法模型,提出一种基于多重卷积神经网络的跨数据集图像分类方法。以中值滤波预处理后的图像作为网络输入,在两个池化层之间采用两组连续卷积层,卷积特征提取和池化后,采用L2范数正则化的Softmax损失函数作为模型分类器,完成多重卷积神经网络分类的训练和测试。实验结果表明,相比于传统JDA方法、TCA方法和KPCA方法,该方法在经典数据集Caltech256、Amazon、Webcam和Dslr上具有更好的特征提取能力和更高的平均准确率。(本文来源于《计算机工程与设计》期刊2018年11期）
李健伟,曲长文,邵嘉琦,彭书娟[6]（2018）在《基于深度学习的SAR图像舰船检测数据集及性能分析》一文中研究指出近年来深度学习目标检测技术得到了快速的发展,在很多领域取得了令人惊叹的效果。SAR图像舰船目标检测与普通计算机视觉目标检测的共性大于异性,因此有必要将深度学习目标检测技术应用到该领域。本文给出了数据集SSDD (SAR Ship Detection Dataset),据我们所知这是第一个专门用于SAR图像舰船目标检测的数据集,为本领域研究人员提供了衡量统一标准,促进了该领域的发展。论文统计了舰船目标的尺寸大小以及长宽比等信息,为设计检测算法提供了参考。给出了经典双阶段检测器Faster R-CNN和单阶段检测器SSD在数据集上的检测效果,并根据舰船统计特性对检测算法做了针对性改进,实验结果显示出了基于深度学习的目标检测算法在SAR图像舰船目标检测的强大的性能,论文最后给出了几个值得进一步研究的方向。(本文来源于《第五届高分辨率对地观测学术年会论文集》期刊2018-10-17）
梁晔,马楠,郎丛妍,于剑[7]（2018）在《面向社交媒体图像的显着性数据集》一文中研究指出随着显着性研究的发展,已涌现多个显着性数据集,然而目前面向社交媒体图像的显着性数据集数量非常少.为此构建此类显着性数据集,详细论述了数据集的图像来源、图像的筛选原则、图像的标注及数据集的统计分析.为了验证新建数据集的性能,与目前流行的7个显着性数据集进行性能评测,新建数据集具有显着区域尺寸丰富、与图像边界连接度高、显着区域与图像的颜色差异小的优点.实验结果表明:新建数据集中显着区域与图像边界连接的比例为17%,仅低于ECSSD数据集;其中显着区域和整幅图像的颜色差均值最小,且包含10个尺寸等级的显着区域,尺寸分布最广泛.此外,新建数据集具有标签信息,也为新的显着区域提取方法提供了实验对象.(本文来源于《北京交通大学学报》期刊2018年05期）
李梦园,肖超恩,孙楠,金鑫[8]（2018）在《基于前后端分离技术的图像数据集标注系统构建》一文中研究指出图像数据集及其标注信息是计算机视系统进行模型训练时的关键,传统的数据标注系统多基于B/S架构,前后端系统耦合度高,不适于众包模式的应用。因此本文利用微服务架构设计技术,采用前后端分离的方式,提出了一种适合众包的图像数据集标注系统。并详细阐述了系统设计中的前端MVC模式、后端微服务架构、以及前后端数据交互约束等关键技术。(本文来源于《北京电子科技学院学报》期刊2018年03期）
汪小愉[9]（2018）在《基于双目视觉的图像深度信息数据集的研究》一文中研究指出双目视觉是计算机视觉的重要组成部分,近年来,针对双目视觉立体匹配算法的研究层出不穷,双目图像数据集作为检测和评估立体匹配算法性能的标准,具有重要的研究意义。本文针对该领域数据集研究匮乏,深度信息数据集分类稀少样本有限的问题,进行了双目视觉原理、图像数据集架构、样本特征等方面的研究,为评估双目立体匹配算法提供了新的测试标准。本文基于搭建的双目视觉采集系统,建立了一套基于双目视觉的图像深度信息数据集,并利用常用的叁种立体匹配算法评估了该数据集的可行性。主要工作包括以下叁个方面:(1)搭建了双目视觉图像深度信息数据采集系统。该系统由采集模块、处理模块、显示模块组成,用于双目视觉图像的采集与存储。系统采用激光测距仪同步获取样本图像的深度信息。本文进行了双目标定实验,该实验采用7×9规格棋盘标定板,通过图像采集系统获取20组标定图像,并基于MATLAB工具箱用张正友标定法成功获得双目摄像机标定文件。(2)创建了一套双目图像深度信息数据集。该数据集分为图像集和标注集,图像集由测试集和训练集组成,包含6种约束条件下和13种类别条件下的978组bmp格式的图像数据。标注集是XML文档集合,该文档用于存储文件名、图片名、图片大小、激光点坐标、光斑半径等图像信息。图像集与标注集通过唯一的ID建立单一关联。(3)评估本文数据集的可行性和实用性。本文开发了双目测距系统,系统融合了BG算法、SGBM算法和AD-Census算法,可获得匹配时间和深度图。通过对比算法匹配所得的深度信息和激光测距获得的实际景深,评价算法的匹配误差率。实验结果表明BG算法的实时性最好,匹配效果最差,AD-Census算法匹配效果最好,但用时最长,而SGBM兼顾了时间和匹配效果。匹配算法的实验结论与算法理论研究相一致,验证了本文创建的双目图像数据集的可行性。(本文来源于《杭州电子科技大学》期刊2018-06-01）
本刊讯[10]（2018）在《谷歌发布含190万张图片的Open Images V4数据集,开启公开图像挑战赛》一文中研究指出近日,谷歌宣布开放Open Images V4版本,包含190万图像、600个种类,1 540万个bounding-box标注,是当前最大的带物体位置标注信息的数据集。谷歌方面称,为了保持标注的高质量,这些图像大部分由专业标注人员手动完成,图像丰富多样,通常还包含了具有多个对象的复杂场景——平均每张图像8个以上。(本文来源于《数据分析与知识发现》期刊2018年05期）
图像数据集论文开题报告
（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：
通常采用图像特征智能识别以提高对图像高频成分的识别度。基于大数据集域自适应快速算法构建图像特征智能识别模型。在图像特征智能识别模型构建过程中,对于图像特征智能识别过程中容易产生伪图像特征识别、细节性模糊与图像特征智能识别的不间断性问题,使用大数据集域自适应快速算法可以提高图像特征智能识别的效率。经过实验表明,基于大数据集域自适应快速算法的识别特征模型能够有效提升微小图像特征平均识别率,且鲁棒性较好。
（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。
图像数据集论文参考文献
[1].张家亮,何志鹏,王媛媛,曾兵,沈宜.一种基于有限数据集的图像快速生成改进方法[J].通信技术.2019
[2].王鹏宇,曾路,吴漾.基于大数据集域自适应快速算法的图像特征智能识别模型构建[J].国外电子测量技术.2019
[3].韦韬,帅立国,张雨露.图像数据集噪声对卷积网络分类的影响（英文）[J].JournalofSoutheastUniversity(EnglishEdition).2019
[4].史通,王洁,罗畅,蔡启航,王世强.用于迁移学习的飞机遥感图像数据集的建立[J].火力与指挥控制.2018
[5].刘鑫童,刘立波,张鹏.基于多重卷积神经网络跨数据集图像分类[J].计算机工程与设计.2018
[6].李健伟,曲长文,邵嘉琦,彭书娟.基于深度学习的SAR图像舰船检测数据集及性能分析[C].第五届高分辨率对地观测学术年会论文集.2018
[7].梁晔,马楠,郎丛妍,于剑.面向社交媒体图像的显着性数据集[J].北京交通大学学报.2018
[8].李梦园,肖超恩,孙楠,金鑫.基于前后端分离技术的图像数据集标注系统构建[J].北京电子科技学院学报.2018
[9].汪小愉.基于双目视觉的图像深度信息数据集的研究[D].杭州电子科技大学.2018
[10].本刊讯.谷歌发布含190万张图片的OpenImagesV4数据集,开启公开图像挑战赛[J].数据分析与知识发现.2018