导读:本文包含了视觉属性论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:视觉,属性,图像,语义,空间,深度,雕塑家。
视觉属性论文文献综述
周治平,张威[1]（2018）在《结合视觉属性注意力和残差连接的图像描述生成模型》一文中研究指出使机器自动描述图像一直是计算机视觉研究的长期目标之一.为了提高图像内容描述模型的精度,提出一种结合自适应注意力机制和残差连接的长短时间记忆网络(LSTM)的图像描述模型.首先根据pointer-net网络改进基本LSTM结构,增加记录图像视觉属性信息的单元;然后利用改进的LSTM结构,设计基于图像视觉语义属性的自适应注意力机制,自适应注意力机制根据上一时刻模型隐藏层状态,自动选择下一时刻模型需要处理的图像区域;此外,为了得到更紧密的图像与描述语句之间映射关系,构建基于残差连接的双层LSTM结构;最终得到模型能够联合图像视觉特征和语义特征对图像进行内容描述.在MSCOCO和Flickr30K图像集中进行训练和测试,并使用不同的评估方法对模型进行实验验证,结果表明所提模型的性能有较大的提高.(本文来源于《计算机辅助设计与图形学学报》期刊2018年08期）
韩亚[2]（2018）在《图像视觉属性迁移的研究及应用》一文中研究指出图像的视觉属性迁移是近年来计算机视觉、图像处理领域的一个热门研究主题,国内外各研究机构和学者对其进行研究实验,对图像的不同视觉属性进行传递,取得了较好的传递效果。图像的视觉属性迁移是指将一幅图像的视觉信息(如颜色、纹理、风格等)迁移到另一幅图像,这两幅图像我们分别叫做参考图像和原图像。本文分别对图像的颜色迁移、风格转移和纹理传输叁个方面的实现算法及应用进行研究,分析不同算法的优缺点及适用面,并将相关算法扩展应用到一些艺术画派和云南民族特色的画派的图像视觉属性迁移上面来。本文介绍了主要的图像视觉属性迁移算法,并通过实验对算法进行分析总结归纳,得出几种算法各自的优缺点以及应用范围。通过这些算法的优缺点以及实验结果的对比,分析总结基于深度学习的图像视觉属性迁移算法的设计思路和改进架构,针对一些具有云南民族特色的艺术画派的视觉属性迁移任务,在分析其风格特点后,构建合适的视觉属性迁移算法。本文的主要工作是:(a)实现一些图像视觉属性迁移算法(包括经典的视觉属性迁移算法和基于深度学习的视觉属性迁移算法),并通过对算法的理解和实验结果分析,总结出这些算法的优缺点以及应用范围;(b)首次将图像视觉属性迁移的研究及应用扩展到云南地区具有民族特色的画派:云南重彩画和绝版套色木刻版画,根据这些画派的风格特点,构建出这些画派最优的视觉属性迁移算法,并取得了较好的效果;(c)分析不同视觉属性迁移算法对多种艺术画派的风格迁移实现效果,通过对算法的参数进行调整,对比参数调整之后的实验结果,选出最佳参数配置;(d)将图像颜色直方图应用到颜色迁移的客观评价中,并通过颜色直方图的距离和相关性判据对不同算法的图像颜色迁移效果进行评价。在本文中,我们通过将几种图像视觉属性迁移算法进行对比,并利用客观的评价标准对图像的视觉属性迁移结果进行评价。得到适用于某一类图像视觉属性迁移的算法,并对得到的算法进行参数调整,得到最优的参数配置。本文工作在图像视觉属性迁移效果客观评价方面做了有益尝试,避免了只用主观评价的偏差。(本文来源于《云南大学》期刊2018-05-01）
龙传书[3]（2017）在《基于视觉属性的图像类别分析》一文中研究指出在当今的大数据信息时代中,随着获取视觉数据的便携设备越来越普及,可视数据在网络中正在爆炸式增长,据统计,国外一知名社交网络每个月都有60亿张图片上传到网络当中,优酷等视频网站每分钟也会有几十个小时的视频上传,而一些网络相簿、搜索引擎、门户网站等都存储了大量的可视数据,为了更好的处理和利用这些数据来促进我们的日常生活,计算机视觉的研究迎来了新的热潮。在计算机视觉研究任务中,通过使用大规模有标签的数据进行训练,很多图像分类器已经能够对图片进行精准地分类,然而标注的图片往往很难获取,通常都需要耗费大量的人力去标注图片。在本文中,我们深入研究了基于属性的零样本迁移分类学习,通过利用不同类别间共享某些视觉属性的特性,我们可以推测出没有或有很少训练样本的类别,大大降低了算法对类标签的需求。在基于视觉属性的零样本迁移分类研究当中,属性预测的结果直接影响到最终的分类预测,而在传统的属性学习方法中,属性要么被单独的分类器训练,要么不加限制地利用属性间的相关性,很少有考虑到属性相关性会导致属性预测的不正确问题;另外,如何学习属性使属性有更强的泛化能力对属性的有效应用也很重要,由于预测的类别没有训练样本,而属性在不同类别间的视觉表现会有所不同,通过其他类别学习的视觉属性分类器,不一定能够很好的预测出其他类别的视觉属性,通常会出现分类器效果向训练集偏移的问题。在零样本分类方法研究中,预测的视觉属性与类标签的视觉属性的相似性高低是决定最终分类重要因素,因此选择适当属性空间和距离是零样本迁移分类的另一个研究重点。本文主要围绕这两个问题进行研究,最后,我们还验证了使用生成式对抗网络训练视觉属性,本文的主要研究和贡献如下:(1)提出了有效的降低属性相关性的学习方法。(2)采用汉明距离计算样本特征距离的方法更好地挖掘样本之间的内在关系,显着提高了零样本分类的准确性。(3)证实了通过一定的改进,生成对抗网络能够用来学习视觉属性。(本文来源于《电子科技大学》期刊2017-03-28）
赵福民[4]（2016）在《面向遥感图像分类的视觉属性迁移方法研究》一文中研究指出图像内容的语义表达在图像标注、人机交互和大规模跨媒体检索等多个领域具有重要研究意义。近年来,视觉属性(visual attributes)作为一种中层的图像语义表达方式,在零样本识别、目标类别精细分类和图像检索等应用领域取得了巨大成功。图像视觉属性学习方法依赖于大量的领域相关属性标记图像集,已有的视觉属性标记图像集大多是地面视角的近景图像。随着航空航天光学遥感技术的不断进步,遥感图像的空间分辨率不断提高,遥感场景图像的细节信息更加丰富,精细的语义描述成为可能。然而遥感图像语义学习所需要的标记数据集难以获取,地面调查和用户交互标记的代价非常高,这阻碍了视觉属性在遥感图像上的发展。本文开展面向遥感图像分类的视觉属性迁移方法研究,探索利用已有的地面视角近景图像视觉属性标记集来学习航空、航天视角遥感图像语义表达的可行性。本文开展的主要工作和取得的主要成果如下:(1)针对视觉属性迁移时采用不同低层特征有何差异、需要迁移哪些视觉属性到遥感图像,开展了低层特征评估和视觉属性选择两方面工作。通过遥感图像分类实验对比,量化评估了多种低层特征在视觉属性学习上的效果。基于人的语义理解和属性模型的区分性,从场景属性库SUN attribute中选出了一组用于遥感图像的视觉属性集,为后续的视觉属性迁移奠定了基础。(2)针对基于近景图像训练的视觉属性模型预测遥感图像会产生较大误差的问题,提出了基于无监督子空间变换的视觉属性迁移方法。该方法通过无监督降维构建子空间,并将源域向目标域对齐,减小近景图像与遥感图像特征分布的差异。实验给出了不同子空间对视觉属性迁移的影响。实验结果还表明在对齐后的子空间中进行视觉属性迁移能够提升遥感图像分类精度,减小了特征分布差异对属性模型泛化能力的影响。(3)针对无监督子空间变换迁移方法没有充分利用视觉属性标签信息的问题,提出了基于Fisher区分性子空间变换的视觉属性迁移方法。该方法采用Bregman距离量化源域和目标域特征分布差异,利用源域的标签信息,在区分性子空间中构建和优化视觉模型,并通过迭代减小域之间的差异性,在提升遥感图像分类精度同时,对遥感图像的视觉属性预测更准确。通过对比实验展示了该方法在不同子空间下的效果,度量与分析了不同视觉属性的Bregman距离,实验结果验证了方法的科学性和有效性。实验结果表明经本方法处理后,基于视觉属性的遥感图像分类精度明显提高,视觉属性模型对遥感图像的预测得到改善。(本文来源于《国防科学技术大学》期刊2016-11-01）
王一涵,刘松茯[5]（2016）在《当代建筑空间形态的视觉属性研究》一文中研究指出随着信息媒介时代的到来与科学技术的发展,建筑空间从传统形态中解放出来,人们在使用功能与精神属性之外更加关注其视觉表象。本文从多元空间的复合化、褶皱空间的折迭化以及超验虚拟的现实化叁方面对当代建筑空间形态的视觉属性进行分析,以期为研究当代复杂建筑空间提供新的视角。(本文来源于《城市建筑》期刊2016年22期）
刘帅[6]（2015）在《面向跨域分类的图像视觉属性学习方法研究》一文中研究指出计算机视觉中的学习方法十分依赖于数据的表示方式。在图像大数据的背景下,以更加直观、高效的表示方式表示图像模式是计算机视觉中一个重要的研究方向,视觉属性是其中具有极大潜力的研究方向之一。近年来,计算机视觉中的视觉属性在图像理解、图像分类和图像检索等领域的成功应用引起了研究者们的高度重视。虽然视觉属性在计算机视觉不同领域中表现出巨大的潜力,但是目前存在视觉属性标定较为困难,图像视觉属性数据不足等问题,成为限制视觉属性广泛应用的瓶颈之一。为了克服上述问题,在有限视觉属性标定的图像数据的情况下,有效的将视觉属性应用于其它图像数据域上,本文基于迁移学习中的域适应学习算法,对图像视觉属性的学习方法展开研究,加强视觉属性在跨域图像数据上的应用效果。本文的主要工作如下:首先,从视觉属性数据集、底层视觉特征、中层的视觉特征和视觉属性四个层面详细总结了视觉属性的学习基本框架过程。以层级抽象的角度,揭示了视觉属性是对图像信息的高度抽象这一特点。在此基础上,本文通过详细丰富的定性化和定量化实验,分析比较了视觉属性在跨域后与底层视觉特征的语义分辨能力和分类能力。实验表明,在语义分辨能力和分类能力上,低维度的视觉属性相比于高维度底层视觉特征具有较大的优势。其次,提出区分性子空间对齐的视觉属性学习算法。区分性子空间学习算法将源域标签信息融入子空间生成过程中,并基于源域信息生成目标域的伪标签,通过区分性子空间的对齐减少源域和目标域之间分布的差异,减少域漂移的影响。最后通过实验表明该算法能继续保持视觉属性在新的图像数据域的语义性,并能相比于未迁移之前能在一定在程度上提升视觉属性的语义分辨能力和分类能力。最后,受子空间对齐思想启发,提出潜在稀疏子空间域适应视觉属性学习算法。该算法将源域和目标域投影到潜在空间中,通过保持投影后数据的方差和最大化均值差异的约束,减少源域和目标域分布之间的差异,最终将结果反馈到学习得到的稀疏系数矩阵中。实验表明该算法能进一步提升视觉属性在跨域数据集上的语义分辨能力和分类能力,证明了该算法在视觉属性学习上的有效性。(本文来源于《国防科学技术大学》期刊2015-11-01）
郭宜章,杨思宇[7]（2015）在《材料的视觉属性在展示空间中的表达》一文中研究指出材料是艺术创作与设计成功的关键之一,以其丰富的表现力成为展示设计中既具有实用价值又能辅助空间气氛表达的重要组成部分。文章试图从常见材料的视觉属性分析通过形态、色彩、质感等关系在展示设计当中的表达与应用。(本文来源于《艺术与设计(理论)》期刊2015年08期）
刘野[8]（2014）在《基于视觉属性和语义关系的大规模图像检索》一文中研究指出随着互联网技术和可移动设备的快速发展,数字图像的数目正与日俱增。如何从海量图像中按照用户的意向检索出合适的图像正成为计算机视觉领域的研究热点。传统的基于内容的图像检索方式依赖于图像的底层特征,因而不可避免地面对着两个问题：即底层特征与高层语义之间的语义鸿沟；以及用户检索意图与所使用检索图像之间的意向鸿沟。鉴于这一问题,基于视觉属性的图像检索便应运而生了。通过对图像的视觉内容进行语义描述,视觉属性搭建起了连接底层特征与用户意向之间的桥梁。本文研究的内容便是基于属性的图像检索问题。具体来讲,本文研究的是结合语义的多属性查询词的图像检索。传统的基于多属性的检索通常包括几个步骤,即图像特征提取、属性分类器学习和属性相似性检索。虽然基于属性的图像检索已经取得了许多卓越的成果,但其中仍然存在着一些问题。传统的属性分类器对于所有属性均采用同样的特征进行学习,没有考虑到每个属性的特殊性；传统的属性分类器学习多采用扁平式的结构,没有利用到属性之间更丰富的语义信息；传统的属性检索中,属性之间的关系矩阵学习多是基于属性之间的同现关系,导致检索系统的可扩展性较差。本文基于以上叁个问题进行了相应的研究,具体地：(1)针对属性分类器学习没有进行特征选择的问题。本文研究了多标签的特征降维方法MDDM。同时,本文将属性标签之间的语义相关性以及视觉相关性融入到MDDM算法之中,从而提升了算法的准确率。(2)针对传统的属性分类器没有利用到属性之间的语义信息的问题。本文利用外部语义信息构建起属性之间层次化的拓扑结构。同时,本文联合多种拓扑结构构建起语义森林,并通过多核学习的方式实现了针对于每个属性的特征选择和属性分类器学习。(3)针对传统属性检索中属性关系学习的问题。本文将属性之间的语义关系融入到多属性检索的逆向学习框架之中,从而提高了属性检索系统对于跨数据分布的可扩展性。本文在两个国际公开数据库上进行了实验,并与当前国际领先的算法进行了对比。通过实验,本文验证了本文所提出算法的有效性。(本文来源于《大连理工大学》期刊2014-05-03）
巩冰[9]（2014）在《虚拟雕塑与实体雕塑视觉属性的转换》一文中研究指出上世纪80年代初至上世纪末以来,随着叁维数字技术的引入,中国当代艺术经历了多元化的发展过程,它改变了艺术的生存方式和视觉属性,尤其是中国当代雕塑,不再是过去那种单调的泥塑等雕塑材料或者传统的雕塑模式,叁维数字技术在雕塑中的运用,剥离了传统旧有框架的历史沉积,打破固有的阅读习惯的程式化语言,取而代之以现代文化和社会生活环境中的新的文化观念和符号架构,给人类的思维空间提供了无尽的延伸和可能性。艺术表现从真实的空间走向虚拟的存在,实现了从虚拟形态向实体雕塑视觉属性的转变。而传统的雕塑艺术,则是以实体形式传达了人类精神的虚拟形态,叁维数(本文来源于《美术观察》期刊2014年04期）
王建品[10]（2013）在《基于DOM和视觉属性的网页信息过滤方法》一文中研究指出本文介绍了一种基于DOM文档模型和网页视觉属性的信息过滤方法。通过对网页内容的结构和特点进行分析,把整个网页信息内容拆分成信息块和干扰块两种类型,通过网页解析器把页面转化成DOM模型并对网页干扰信息进行判定,依据页面的视觉属性对DOM模型进行简化,最终实现对DOM模型干扰信息的有效过滤。(本文来源于《电子设计工程》期刊2013年13期）
视觉属性论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
图像的视觉属性迁移是近年来计算机视觉、图像处理领域的一个热门研究主题,国内外各研究机构和学者对其进行研究实验,对图像的不同视觉属性进行传递,取得了较好的传递效果。图像的视觉属性迁移是指将一幅图像的视觉信息(如颜色、纹理、风格等)迁移到另一幅图像,这两幅图像我们分别叫做参考图像和原图像。本文分别对图像的颜色迁移、风格转移和纹理传输叁个方面的实现算法及应用进行研究,分析不同算法的优缺点及适用面,并将相关算法扩展应用到一些艺术画派和云南民族特色的画派的图像视觉属性迁移上面来。本文介绍了主要的图像视觉属性迁移算法,并通过实验对算法进行分析总结归纳,得出几种算法各自的优缺点以及应用范围。通过这些算法的优缺点以及实验结果的对比,分析总结基于深度学习的图像视觉属性迁移算法的设计思路和改进架构,针对一些具有云南民族特色的艺术画派的视觉属性迁移任务,在分析其风格特点后,构建合适的视觉属性迁移算法。本文的主要工作是:(a)实现一些图像视觉属性迁移算法(包括经典的视觉属性迁移算法和基于深度学习的视觉属性迁移算法),并通过对算法的理解和实验结果分析,总结出这些算法的优缺点以及应用范围;(b)首次将图像视觉属性迁移的研究及应用扩展到云南地区具有民族特色的画派:云南重彩画和绝版套色木刻版画,根据这些画派的风格特点,构建出这些画派最优的视觉属性迁移算法,并取得了较好的效果;(c)分析不同视觉属性迁移算法对多种艺术画派的风格迁移实现效果,通过对算法的参数进行调整,对比参数调整之后的实验结果,选出最佳参数配置;(d)将图像颜色直方图应用到颜色迁移的客观评价中,并通过颜色直方图的距离和相关性判据对不同算法的图像颜色迁移效果进行评价。在本文中,我们通过将几种图像视觉属性迁移算法进行对比,并利用客观的评价标准对图像的视觉属性迁移结果进行评价。得到适用于某一类图像视觉属性迁移的算法,并对得到的算法进行参数调整,得到最优的参数配置。本文工作在图像视觉属性迁移效果客观评价方面做了有益尝试,避免了只用主观评价的偏差。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
视觉属性论文参考文献
[1].周治平,张威.结合视觉属性注意力和残差连接的图像描述生成模型[J].计算机辅助设计与图形学学报.2018
[2].韩亚.图像视觉属性迁移的研究及应用[D].云南大学.2018
[3].龙传书.基于视觉属性的图像类别分析[D].电子科技大学.2017
[4].赵福民.面向遥感图像分类的视觉属性迁移方法研究[D].国防科学技术大学.2016
[5].王一涵,刘松茯.当代建筑空间形态的视觉属性研究[J].城市建筑.2016
[6].刘帅.面向跨域分类的图像视觉属性学习方法研究[D].国防科学技术大学.2015
[7].郭宜章,杨思宇.材料的视觉属性在展示空间中的表达[J].艺术与设计(理论).2015
[8].刘野.基于视觉属性和语义关系的大规模图像检索[D].大连理工大学.2014
[9].巩冰.虚拟雕塑与实体雕塑视觉属性的转换[J].美术观察.2014
[10].王建品.基于DOM和视觉属性的网页信息过滤方法[J].电子设计工程.2013
论文知识图
