基于MFF-GAN的图像集视觉总结

摘要：

现有图像集视觉总结方法主要使用浅层视觉特征, 或者直接应用已训练的卷积神经网络模型提取图像深层特征, 选取的图像不具代表性.为此, 分析并研究图像集视觉总结的图像特征表示方法, 提出多特征图融合生成对抗网络 (MFF-GAN) 模型.该模型中的判别器通过多特征图融合的方式提取图像特征, 使提取的特征能表示图像细节和高层语义信息, 并在多特征图融合层后添加自编码网络对特征进行降维, 避免特征维度灾难问题.NUS-WIDE数据集上的实验结果验证了M FF-GAN模型的有效性, 并表明其能有效提升图像集视觉总结多样性.

关键词：生成对抗网络、特征学习、视觉总结、多特征图融合、自编码网络

所属期刊栏目：45

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金 41501485

在线出版日期：2019-05-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：202-206