论文部分内容阅读
近年来由于移动设备技术及互联网技术的不断发展,极大的方便人们随时随地进行图片拍摄,这就使得以图像为出发点的社交媒体如Flickr、Instagram等开始大量的涌现。如何有效地管理组织这些海量的图像数据,并对社会化媒体中图像进行挖掘分析以促进个体在线交流,提升用户体验,辅助企业做出营销决策成为了研究的热点问题。而深度学习正是能够从海量的数据中进行学习、挖掘的一种机器学习方法。其深度分层结构与人类视觉系统具有深度分层的特点一致,所以深度学习人类符合人类生物学上对图像认知的过程。自2006年深度学习被Hinton提出后就引发了学术界、工业界的研究热潮,已经涌现大量的研究和应用。深度学习强调可学习性的特点,因此它适合于学习具有良好表达力的图像特征,进而满足社会化媒体图像语义学习分类、图像美学质量评价以及以此为基础的社会化媒体分析研究。本文针对以上问题提出了基于深度学习模型的社会化媒体图像语义分类算法和社会化媒体图像美学质量评价算法并进行了应用。本文首先详细介绍了深度学习算法的基本思想、训练方法以及其与传统神经网络的主要异同,并且对几种得到广泛研究应用的深度学习模型作了阐述。其次,描述了深度学习在图像语义分类应用的问题定义及现有的方法,并提出了基于栈式去噪编码器(Stacked denoising Auto-Encoder, SdEA)和基于卷积深度玻尔兹曼机(Convolution Deep Boltzmann Machine, CDBM)的图像语义分类模型。并且用实验证明这两种模型在社会化图像语义分类问题中的有效性。再次,介绍了深度学习在图像美学质量评价中的应用的问题定义,并提出了深度卷积神经网络+sVM分类器的图像美学质量评价模型,用实验验证了其有效性和可行性。最后,总结分析了文章的不足之处,为后续的研究提供方向。