%0 Journal Article %A 张文凯 %A 孙皓 %A 孙显 %A 王宏琦 %T 基于MFF-GAN的图像集视觉总结 %D 2019 %R 10.19678/j.issn.1000-3428.0050237 %J 计算机工程 %P 202-206 %V 45 %N 2 %X

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MFF-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。

%U http://www.ecice06.com/CN/10.19678/j.issn.1000-3428.0050237