基于深度卷積神經(jīng)網(wǎng)絡(luò)的圖像美學(xué)評(píng)價(jià)

《基于深度卷積神經(jīng)網(wǎng)絡(luò)的圖像美學(xué)評(píng)價(jià)》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、工程碩士學(xué)位論文基于深度卷積神經(jīng)網(wǎng)絡(luò)的圖像美學(xué)評(píng)價(jià)作者姓名李福娣工程領(lǐng)域電子與通信工程校內(nèi)指導(dǎo)教師郭禮華副教授校外指導(dǎo)教師林奕琳高級(jí)工程師所在學(xué)院電子與信息學(xué)院論文提交日期2015年12月ImageAestheticEvaluationmethodBasedonConvolutionalNeuralnetworksADissertationSubmittedfortheDegreeofMasterCandidate：LiFuDiSupervisor：Prof.GuoLihuaSouthChinaUniversityofTechnologyGuangzhou,C

2、hina分類號(hào)：TP391學(xué)校代號(hào)：10561學(xué)號(hào)：201321009561華南理工大學(xué)碩士學(xué)位論文基于深度卷積神經(jīng)網(wǎng)絡(luò)的圖像美學(xué)評(píng)價(jià)作者姓名：李福娣指導(dǎo)教師姓名、職稱：郭禮華、副教授申請(qǐng)學(xué)位級(jí)別：工程碩士工程領(lǐng)域名稱：電子與信息工程論文形式：?產(chǎn)品研發(fā)?工程設(shè)計(jì)?應(yīng)用研究?工程/項(xiàng)目管理?調(diào)研報(bào)告研究方向：圖像理解論文提交日期：2015年12月28日論文答辯日期：2016年3月19日學(xué)位授予單位：華南理工大學(xué)學(xué)位授予日期：年月日答辯委員會(huì)成員：主席：胡永健委員：金連文倪江群黃茜呂益民摘要最近幾十年,隨著數(shù)碼相機(jī)和網(wǎng)絡(luò)的飛速發(fā)展，網(wǎng)絡(luò)上的圖片數(shù)量與日俱增。圖像

3、作為一種重要的信息傳輸媒介，它的質(zhì)量也逐漸得到了人們的重視。因此，圖像美學(xué)質(zhì)量評(píng)價(jià)逐漸發(fā)展為了一個(gè)研究領(lǐng)域，并在圖像檢索領(lǐng)域、圖像分享以及個(gè)人相冊(cè)管理領(lǐng)域等得到了應(yīng)用。傳統(tǒng)的圖像美學(xué)評(píng)價(jià)方法都是基于原始的圖像數(shù)據(jù)來(lái)設(shè)計(jì)特征，并將提取的特征輸入分類器訓(xùn)練分類模型。雖然傳統(tǒng)的方法已經(jīng)取得了比較好的分類性能，但傳統(tǒng)方法設(shè)計(jì)出的特征都是針對(duì)特定的數(shù)據(jù)庫(kù)設(shè)計(jì)的，如何設(shè)計(jì)出能廣泛適用于多種數(shù)據(jù)庫(kù)的特征卻是一個(gè)難點(diǎn)?；谠紨?shù)據(jù)進(jìn)行特征學(xué)習(xí)的深度學(xué)習(xí)方法的優(yōu)勢(shì)凸顯而出，所以，本文采用深度學(xué)習(xí)方法自動(dòng)學(xué)習(xí)特征，并應(yīng)用到圖像美學(xué)評(píng)價(jià)系統(tǒng)中。本文采用深度學(xué)習(xí)中的深度卷積神經(jīng)網(wǎng)絡(luò)結(jié)

4、構(gòu)（DeepConvolutionNeuralNetwork,DCNN）進(jìn)行特征學(xué)習(xí)，為了獲得較好的分類性能，本文在傳統(tǒng)的DCNN網(wǎng)絡(luò)架構(gòu)上進(jìn)行改進(jìn)，提出了三種DCNN結(jié)構(gòu)：（1）改進(jìn)型的深度卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)（ImprovedDCNNstructure,I-DCNN）：該網(wǎng)絡(luò)結(jié)構(gòu)是在傳統(tǒng)的單個(gè)DCNN網(wǎng)絡(luò)結(jié)構(gòu)的基礎(chǔ)上，對(duì)網(wǎng)絡(luò)的層數(shù)、濾波器數(shù)目進(jìn)行改進(jìn)后得到的DCNN網(wǎng)絡(luò)結(jié)構(gòu)；（2）網(wǎng)絡(luò)并行的深度卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)（Network-ParalleledDCNNstructure,NP-DCNN）：此結(jié)構(gòu)的主要目的是學(xué)到更多不同深度的特征，并在一定程度上解決卷積神經(jīng)

5、網(wǎng)絡(luò)的過(guò)擬合和欠擬合問(wèn)題；（3）網(wǎng)絡(luò)和數(shù)據(jù)并行的深度卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)(Network-ParalleledandData-ParalleledDCNNstructure,NP-DP-DCNN)：此結(jié)構(gòu)在第二種結(jié)構(gòu)的基礎(chǔ)上，將傳統(tǒng)方法中圖像美學(xué)評(píng)價(jià)特征作為數(shù)據(jù)輸入的圖層，以此提升系統(tǒng)分類性能。實(shí)驗(yàn)表明，本文提出的三種基于深度卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)在公開的兩個(gè)美學(xué)評(píng)價(jià)數(shù)據(jù)庫(kù)中都取得了比傳統(tǒng)的特征提取方法更好的分類性能。關(guān)鍵詞：圖像美學(xué)評(píng)價(jià)；深度學(xué)習(xí)；卷積神經(jīng)網(wǎng)絡(luò)；并行卷積神經(jīng)網(wǎng)絡(luò)IABSTRACTInrecentdecades,withtherapiddevelopm

6、entofdigitalcamerasandnetworks,vastamountsofimagesaregrowingontheinternet.Beinganimportantmediumofinformationtransmission,imageaestheticqualitygraduallygainedmoreandmoreattention.Therefore,theimageaestheticqualityevaluationgraduallydevelopedintoaresearchtopic,andhadbeenappliedinmany

7、otherimportantareas,suchasimageretrieval,imagesharingandpersonalphotoalbummanagement.Traditionalimageaestheticevaluationmethodsextracteddiscriminatefeaturesfromtherawdataofdatasets,andusedtheseeffectivefeaturestotrainaclassificationmodel.Thesetraditionalmethodshadachievedrelativelyg

8、oodclassificationpe