融合深度学习和语义树的草图识别方法

• 作者: 冯晨成 纪霞 赵鹏 韩莉
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 草图识别 语义树 卷积神经网络 深度学习
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 研究与应用
• 页码范围: 361-368
• 页数: 8页
• 分类号: TP18
• 字数: 6214字
• 语种: 中文
• DOI: 10.16451/j.cnki.issn1003-6059.201904009

摘要

现有的草图识别框架利用整幅图像作为网络输入,草图识别过程可解释性较差.文中融合深度学习和语义树,提出草图语义网(Sketch-Semantic Net).首先对草图进行部件分割,将单幅完整的草图分割为多个具有语义概念的部件图.然后利用深度迁移学习识别草图部件.最后通过语义树的语义概念关联部件同部件所属草图对象类别,较好地弥补sketch图像从底层语义到高层语义之间的语义鸿沟.在广泛应用的草图分割数据集上的实验验证文中方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵鹏	安徽大学计算机科学与技术学院	61	683	15.0	24.0
2	纪霞	安徽大学计算机科学与技术学院	25	107	6.0	8.0
3	冯晨成	安徽大学计算机科学与技术学院	1	0	0.0	0.0
4	韩莉	安徽大学计算机科学与技术学院	6	16	2.0	3.0