相关反馈修正语义流形的图像检索方法

目前结合相关反馈和流形学习的图像检索方法,都是直接利用相关反馈中的类别信息,并未结合可视化信息推论出隐藏的有价值信息.本文对增强关系嵌入算法进行扩展,基于该方法构建可视化关系图,并结合用户相关反馈信息中的不同类别图像之间的关系推论学习,据此去除低层可视化关系图中的错误连接以修正语义流形,从而获得更准确的投影转换矩阵.实验结果表明本文方法将图像映射到低维的空间时可获得更高的检索精度.

基于相关反馈和流形结构重构的图像检索方法

当检索样例位于数据库之外时,传统基于线性流形学习的图像检索方法在反馈迭代后的检索精度提高较小。为此,提出一种基于相关反馈和流形结构重构的图像检索方法。反馈时计算被检索样例的最邻近点,将被检索样例重构入需要保留的结构图中,从而满足映射时需保证相似图像和被检索样例距离尽可能近的要求。实验结果表明,该方法在额外耗时较少的情况下,能有效提高检索精度。

ZS3D-Net: 面向三维模型的零样本分类网络

零样本三维模型分类对于三维形状的理解和分析非常重要.针对当前零样本三维模型分类缺乏相应数据集且准确率低的问题,设计并构建零样本三维模型数据集ZS3D,提供包括41个类1677个非刚性三维模型数据及所有类别的完备属性表征,为零样本三维模型的分类研究提供了数据基准;提出一种面向零样本三维模型分类的深度学习网络ZS3D-Net,通过集成学习子网络有效地提取三维模型的视觉特征信息,通过语义流形嵌入子网络捕捉未知类和已知类视觉特征和语义特征之间的关联性,完成对未知类的识别.在传统三维模型数据集和ZS3D上,ZS3D-Net分别取得了30.0%和58.6%的分类精度,表明其在同类工作中处于相当或领先的水平,验证了其可行性及有效性.