声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：51-1196/TP
国际刊号：1001-3695
发布日期:
作者：王会勇,谢春杰,张晓明,孙晓领,
单位：河北科技大学信息科学与工程学院,石家庄050018；
关键词：相关度,深度卷积神经网络,WordNet,过滤,扩展,
基金：河北省自然科学基金资助项目(F2018208116)；河北省科技计划资助项目(16210312D)；河北省教育厅科研资助项目(ZD2015099)；；
在衡量图像之间的相关度时，图像的物理特征（颜色分布、灰度值等）所能表达的内容可能并非十分全面，因此有必要参考图像视觉所包含的语义信息衡量图像之间的相关度。为此提出了一种基于深度卷积神经网络（deep convolutional neural network，DCNN）分类模型的度量图像相关度的方法，利用模型为图像绑定来自于WordNet的语义标签，并参照WordNet结构对标签进行过滤和扩展，利用概念集合计算图像相关度。与人工判定的样本数据作比较，Pearson相关系数峰值能够达到0.73，证明该方法在衡量图像相关度时具有一定的效果。
来源：2020年第2期
《计算机应用研究》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。