对海量图片数据信息进行检索的研究,对于增加多媒体图片信息检索率具有重要意义。由于海量多媒体图片信息存在一定的相似特征,使得进行检索时图片信息特征出现混乱的情况。传统的图像检索方法,主要通过图片信息特征进行分类检索,当图片...对海量图片数据信息进行检索的研究,对于增加多媒体图片信息检索率具有重要意义。由于海量多媒体图片信息存在一定的相似特征,使得进行检索时图片信息特征出现混乱的情况。传统的图像检索方法,主要通过图片信息特征进行分类检索,当图片信息混乱时,无法对海量多媒体图片信息特征进行分类,导致检索速度慢、准确率低的问题。提出一种新的海量多媒体图片信息高效检索算法,通过分析图片的SIFT局部特征,获取图片SIFT特征,再利用SIFT特征进行图片匹配对目标图像进行识别,引入BOW算法对匹配后的图片SIFT特征进行索引,建立Bag of words模型、TF-IDF加权和欧式距离来完成图片的相似度计算,完成海量多媒体图片信息的检索。仿真结果表明,采用改进的检索方法有效的提高了检索速度和检索准确率。展开更多
文摘对海量图片数据信息进行检索的研究,对于增加多媒体图片信息检索率具有重要意义。由于海量多媒体图片信息存在一定的相似特征,使得进行检索时图片信息特征出现混乱的情况。传统的图像检索方法,主要通过图片信息特征进行分类检索,当图片信息混乱时,无法对海量多媒体图片信息特征进行分类,导致检索速度慢、准确率低的问题。提出一种新的海量多媒体图片信息高效检索算法,通过分析图片的SIFT局部特征,获取图片SIFT特征,再利用SIFT特征进行图片匹配对目标图像进行识别,引入BOW算法对匹配后的图片SIFT特征进行索引,建立Bag of words模型、TF-IDF加权和欧式距离来完成图片的相似度计算,完成海量多媒体图片信息的检索。仿真结果表明,采用改进的检索方法有效的提高了检索速度和检索准确率。
文摘由于低照度图像具有对比度低、细节丢失严重、噪声大等缺点,现有的目标检测算法对低照度图像的检测效果不理想.为此,本文提出一种结合空间感知注意力机制和多尺度特征融合(Spatial-aware Attention Mechanism and Multi-Scale Feature Fusion,SAM-MSFF)的低照度目标检测方法 .该方法首先通过多尺度交互内存金字塔融合多尺度特征,增强低照度图像特征中的有效信息,并设置内存向量存储样本的特征,捕获样本之间的潜在关联性;然后,引入空间感知注意力机制获取特征在空间域的长距离上下文信息和局部信息,从而增强低照度图像中的目标特征,抑制背景信息和噪声的干扰;最后,利用多感受野增强模块扩张特征的感受野,对具有不同感受野的特征进行分组重加权计算,使检测网络根据输入的多尺度信息自适应地调整感受野的大小.在ExDark数据集上进行实验,本文方法的平均精度(mean Average Precision,mAP)达到77.04%,比现有的主流目标检测方法提高2.6%~14.34%.
