文献检索-宁波市创意产业特色资源库

限定检索结果

基于双通道卷积神经网络的多标签图像标注: 收藏
分享
引用; 《计算机工程与设计》2019年第12期40卷 3601-3607页; 作者：陈立潮武晨燕曹建芳潘理虎张英俊太原科技大学计算机科学与技术学院山西太原030024 忻州师范学院计算机科学与技术系山西忻州034000; 针对图像语义标注中存在的训练样本不均衡导致低频标注词标注准确率低的问题,提出一种双通道卷积神经网络模型(double channel convolution neural network,DCCNN)。其中一个通道是为训练低频样本设立的,以此提高低频样本在整个模型中...; 针对图像语义标注中存在的训练样本不均衡导致低频标注词标注准确率低的问题,提出一种双通道卷积神经网络模型(double channel convolution neural network,DCCNN)。其中一个通道是为训练低频样本设立的,以此提高低频样本在整个模型中所占比重,另一个通道用于训练全部的训练集。在标注过程中把两个通道的输出进行融合,对所需标注的标注词共同做出决策。在Pascal VOC2012标准数据集上对模型进行验证,实验结果表明,DCCNN模型相对于卷积神经网络(convolution neural network,CNN)无论是对低频标注词的标注准确率还是效率都有很大的提升,验证了该模型的有效性。; 来源：详细信息评论

限定检索结果