基于DCNN分类的图像相关度度量

• 作者: 孙晓领 张晓明 王会勇 谢春杰
• 来源期刊: 计算机应用研究
• 关键词: 相关度 深度卷积神经网络 WordNet 过滤 扩展
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 图形图像技术
• 页码范围: 625-629
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.04.0487

摘要

在衡量图像之间的相关度时,图像的物理特征(颜色分布、灰度值等)所能表达的内容可能并非十分全面,因此有必要参考图像视觉所包含的语义信息衡量图像之间的相关度.为此提出了一种基于深度卷积神经网络(deep convolutional neural network,DCNN)分类模型的度量图像相关度的方法,利用模型为图像绑定来自于WordNet的语义标签,并参照WordNet结构对标签进行过滤和扩展,利用概念集合计算图像相关度.与人工判定的样本数据作比较,Pearson相关系数峰值能够达到0.73,证明该方法在衡量图像相关度时具有一定的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张晓明	河北科技大学信息科学与工程学院	29	166	7.0	12.0
2	王会勇	河北科技大学信息科学与工程学院	13	18	3.0	3.0
3	谢春杰	河北科技大学信息科学与工程学院	1	0	0.0	0.0
4	孙晓领	河北科技大学信息科学与工程学院	2	0	0.0	0.0