基于深度学习与拓展查询的商标图像检索方法

为了解决商标图像检索时,由于图像抽象性和复杂性的特点所带来检索时的"语义鸿沟"问题,提出一种基于深度学习的商标图像检索方法。由于深度学习技术在图像识别和图像分类技术中有着优秀表现,因此我们利用它来解决商标图像检索时遇到的一系列问题。本文还改进了拓展查询算法,并利用它优化检索系统。首先,我们利用商标图像的特征构建了一个多类别的商标图像数据集。其次,利用商标图像库训练一个稳定的AlexNet卷积神经网络模型,并构建商标图像特征库。接着,利用训练好的网络模型提取输入商标的深层语义特征并通过距离函数进行相似性度量。最后,提出一种改进的拓展查询方法,利用其对候选图像进行拓展查询,得到相似图像。经过实验结果表明,基于深度学习的商标图像检索方法比传统基于SVM主动学习的图像检索方法有着更好的检索效果。

融合颜色特征的核相关滤波器目标长期跟踪算法

为了解决基于相关滤波器的跟踪方法在长期遮挡或尺度变化情况下跟踪性能降低,对核相关滤波器目标跟踪方法提出了改进.首先将目标区域的方向梯度直方图、颜色名特征进行融合,对目标外观进行建模;然后对目标构建尺度金字塔,求取尺度的最大响应.最后,引入再检测机制,只有当目标的置信度小于阈值时,才利用在线随机蕨分类器重新扫描窗口,获取检测结果.实验结果表明,该文提出的改进算法在目标发生快速运动、遮挡和尺度变化等复杂场景下有较强的鲁棒性.

基于遗传算法的Vivado HLS硬件加速

为适应当前"大数据+深度模型"时代的到来,利用FPGA进行各种算法的硬件加速为其提供了一种可行的解决方案.本文利用Vivado HLS工具,基于遗传算法设计了一套智能硬件加速架构,编程实现自动生成tcl文件、自动调用HLS工具完成仿真和提取报表中的数据进行分析,并对Xilinx公司所给的FIR和DCT等案例程序进行了测试.实验中寻找到了较优的解决方案,效率相比人工不断尝试的方法有了数量级的提升,满足了当前一般算法在硬件加速的通用性.