.png){kind=icon}
返回
Deep Learning-Assisted Localized Content-based Image Retrieval Framework with Multiple-Instance Learning Algorithm
.png){kind=icon}
PRE
AI
DOI：10.1142/S0218001425520196.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
传统基于内容的图像检索（CBIR）在数据库中搜索与单个未标注查询图像匹配的图片。对于此类搜索，图片的全面（或全球）视角至关重要。然而，预期的图片内容通常不是全局的，而是区域的。计算机视觉、模式识别和CBIR等应用长期以来都面临着语义鸿沟问题：如何弥合人类对低层语义概念的理解与机器对高层图像像素的采集之间的差距。鉴于深度学习研究的最新成果，弥合语义鸿沟的希望得以实现。因此，本研究提出了深度学习辅助的局部内容图像检索框架（DL-LCBIRF），根据图像内部特定区域的相似性度量对数据库中的照片进行排序。第一层由通用描述符组成，代表一组可比且旋转不变的特向量。第二层由通用描述符在邻域中的频率组合概率构成。所提出的DL-LCBIR利用标注图像结合多实例学习算法（MILA）来定位目标对象并调整特征权重。这种多模态概率表现为一组空间频率聚类。它增强了旋转不变统计空间约束。此外，选择独特的结构不仅能提升模型性能，还能确定模型的区分特征，这些特征在正面案例中常见，在负面案例中罕见。
Keyword:
Deep learning
content-based image retrieval
multiple-instance learning algorithm
medical content-based image retrieval
neural network
期刊
IF:
1.1
论文数:
215
被引数:
2.0K
机构
暂无机构信息
引用论文
Fusion of deep learning based cyberattack detection and classification model for intelligent systems融合深度学习的智能系统网络攻击检测与分类模型
PREAI
分享收藏分享收藏A Blended Deep Learning Intrusion Detection Framework for Consumable Edge-Centric IoMT Industry
PREAI
分享收藏OMCBIR: Offline mobile content-based image retrieval with lightweight CNN optimizationOMCBIR: 基于轻量级CNN优化的离线移动内容图像检索.png)
DISPLAYS
OAAI
DISPLAYSIF3.4
OAAI分享收藏An Effective Hybrid Framework Based on Combination of Color and Texture Features for Content-Based Image Retrieval一种基于颜色和纹理特征组合的有效混合框架，用于基于内容的图像检索
PREAI
分享收藏
查看更多内容