作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
本文提出了深度哈希模型,将学习到的哈希特征应用于水下图像深度估计任务中.深度哈希网络基于VGG网络设计,在ImageNet分类模型的基础上,重新在对应的图像数据库上训练.通过设置哈希层的节点数和训练参数,获取了不同维度大小的哈希特征.实验中,将深度哈希网络作为回归函数,对局部图像块做回归,预测对应位置的深度值.将本文提出的深度哈希模型应用于图像深度估计任务中,结合受限玻尔兹曼机的思想,构建了水下图像深度预测模型.
推荐文章
融合特征关联性的深度哈希图像表示方法
深度特征描述子
深度视觉词图像表示
频繁项集图像表示
优化的阈值
基于散射模型的水下图像复原
水下图像复原
散射模型
分段映射法
水下视觉
面向Web图像检索的基于语义迁移的无监督深度哈希
语义迁移
图像哈希
Web图像检索
深度学习
基于非参数化采样的单幅图像深度估计
单幅图像
深度估计
非参数化采样
RGBD数据集
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于深度哈希特征在水下图像深度估计研究
来源期刊 科技展望 学科
关键词 哈希特征 深度估计 机器学习
年,卷(期) 2016,(20) 所属期刊栏目 技术与应用
研究方向 页码范围 134-135,138
页数 3页 分类号
字数 2555字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 楚希鹏 中国海洋大学崂山校区信息科学与工程学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (2)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
哈希特征
深度估计
机器学习
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
科技展望
旬刊
1672-8289
64-1054/N
大16开
宁夏回族自治区银川市
1991
chi
出版文献量(篇)
34711
总下载数(次)
166
总被引数(次)
54544
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导