期刊导航
期刊开放获取
重庆大学
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于视觉显著熵与Object Bank特征的图像记忆性模型
被引量：
1
1
作者
陈长远
韩军伟
+2 位作者
胡新韬
程塨
郭雷
《计算机应用》
CSCD
北大核心
2013年第11期3176-3178,3223,共4页
为了提高图像的记忆性预测能力,提出了一种基于视觉显著熵与改进的Object Bank特征的图像记忆性自动预测方法。该方法改进了传统的Object Bank特征,提取图像的视觉显著熵特征,利用支持向量回归机(SVR)训练得到图像的记忆性预测模型。实...
为了提高图像的记忆性预测能力,提出了一种基于视觉显著熵与改进的Object Bank特征的图像记忆性自动预测方法。该方法改进了传统的Object Bank特征,提取图像的视觉显著熵特征,利用支持向量回归机(SVR)训练得到图像的记忆性预测模型。实验结果表明,在预测准确性方面,所提方法比现有的方法的相关系数高出3个百分点。所提出的模型可以应用于图像的记忆性预测、图像检索排序、广告评价分析等方向。
展开更多
关键词
图像
处理
图像记忆性
视觉显著熵
OBJECT
BANK
支持向量回归机
下载PDF
职称材料
基于低秩表征学习的图像记忆性预测模型
2
作者
褚晶辉
顾慧敏
苏育挺
《激光与光电子学进展》
CSCD
北大核心
2018年第7期146-152,共7页
图像记忆性预测包含两个核心问题:特征表征与预测模型。当前对图像记忆性预测的研究多聚焦于探索对其有影响的视觉因素,预测过程采用特征处理与预测相分离的方式,这使预测性能很大程度上受前期特征处理的制约,如果整个预测过程缺少整体...
图像记忆性预测包含两个核心问题:特征表征与预测模型。当前对图像记忆性预测的研究多聚焦于探索对其有影响的视觉因素,预测过程采用特征处理与预测相分离的方式,这使预测性能很大程度上受前期特征处理的制约,如果整个预测过程缺少整体性的学习机理,可能会产生次优的预测结果。为解决上述问题,提出了一种基于低秩表征学习的图像记忆性预测模型,将低秩表征学习和线性回归整合到一个框架下。低秩表征学习将原始的特征矩阵映射到具有低秩约束的潜在子空间中,以学习到本征稳健的特征表征;线性回归学习了一个回归系数从而建立图像特征表征和记忆性分数之间的联系。基于增广拉格朗日乘子法求解以保证模型的收敛性,大量实验结果表明本文方法的优越性。
展开更多
关键词
图像
处理
图像记忆性
低秩表征
线性回归
增广拉格朗日乘子法
原文传递
题名
基于视觉显著熵与Object Bank特征的图像记忆性模型
被引量：
1
1
作者
陈长远
韩军伟
胡新韬
程塨
郭雷
机构
西北工业大学自动化学院
出处
《计算机应用》
CSCD
北大核心
2013年第11期3176-3178,3223,共4页
基金
国家自然科学基金资助项目(61005018)
西北工业大学基础研究基金资助项目(JC20120237)
文摘
为了提高图像的记忆性预测能力,提出了一种基于视觉显著熵与改进的Object Bank特征的图像记忆性自动预测方法。该方法改进了传统的Object Bank特征,提取图像的视觉显著熵特征,利用支持向量回归机(SVR)训练得到图像的记忆性预测模型。实验结果表明,在预测准确性方面,所提方法比现有的方法的相关系数高出3个百分点。所提出的模型可以应用于图像的记忆性预测、图像检索排序、广告评价分析等方向。
关键词
图像
处理
图像记忆性
视觉显著熵
OBJECT
BANK
支持向量回归机
Keywords
image processing
image memorability
visual saliency
Object Bank
Support Vector Regression （SVR）
分类号
TN911.73 [电子电信—通信与信息系统]
下载PDF
职称材料
题名
基于低秩表征学习的图像记忆性预测模型
2
作者
褚晶辉
顾慧敏
苏育挺
机构
天津大学电气自动化与信息工程学院
出处
《激光与光电子学进展》
CSCD
北大核心
2018年第7期146-152,共7页
基金
国家自然科学基金(61572356)
文摘
图像记忆性预测包含两个核心问题:特征表征与预测模型。当前对图像记忆性预测的研究多聚焦于探索对其有影响的视觉因素,预测过程采用特征处理与预测相分离的方式,这使预测性能很大程度上受前期特征处理的制约,如果整个预测过程缺少整体性的学习机理,可能会产生次优的预测结果。为解决上述问题,提出了一种基于低秩表征学习的图像记忆性预测模型,将低秩表征学习和线性回归整合到一个框架下。低秩表征学习将原始的特征矩阵映射到具有低秩约束的潜在子空间中,以学习到本征稳健的特征表征;线性回归学习了一个回归系数从而建立图像特征表征和记忆性分数之间的联系。基于增广拉格朗日乘子法求解以保证模型的收敛性,大量实验结果表明本文方法的优越性。
关键词
图像
处理
图像记忆性
低秩表征
线性回归
增广拉格朗日乘子法
Keywords
image processing
image memorability
low-rank representation
linear regression
augmented Lagrange multiplier method
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于视觉显著熵与Object Bank特征的图像记忆性模型
陈长远
韩军伟
胡新韬
程塨
郭雷
《计算机应用》
CSCD
北大核心
2013
1
下载PDF
职称材料
2
基于低秩表征学习的图像记忆性预测模型
褚晶辉
顾慧敏
苏育挺
《激光与光电子学进展》
CSCD
北大核心
2018
0
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
