论文摘要
现有的草图识别框架利用整幅图像作为网络输入,草图识别过程可解释性较差.文中融合深度学习和语义树,提出草图语义网（Sketch-Semantic Net）.首先对草图进行部件分割,将单幅完整的草图分割为多个具有语义概念的部件图.然后利用深度迁移学习识别草图部件.最后通过语义树的语义概念关联部件同部件所属草图对象类别,较好地弥补sketch图像从底层语义到高层语义之间的语义鸿沟.在广泛应用的草图分割数据集上的实验验证文中方法的有效性.
论文目录
文章来源
类型: 期刊论文
作者: 赵鹏,冯晨成,韩莉,纪霞
关键词: 草图识别,语义树,卷积神经网络,深度学习
来源: 模式识别与人工智能 2019年04期
年度: 2019
分类: 信息科技
专业: 计算机软件及计算机应用,自动化技术
单位: 安徽大学计算机科学与技术学院
基金: 国家自然科学基金项目(No.61602004),安徽省重点研究与开发计划项目(No.1804d08020309),安徽省自然科学基金项目(No.1908085MF188,1908085MF182),安徽省高校自然科学研究重点项目(No.KJ2016A041,KJ2017A011)资助~~
分类号: TP391.41;TP183
DOI: 10.16451/j.cnki.issn1003-6059.201904009
页码: 361-368
总页数: 8
文件大小: 1139K
下载量: 186