计算机工程

作者：张文凯,孙皓,孙显,王宏琦

单位：1.中国科学院电子学研究所,北京 100190; 2.中国科学院空间信息处理与应用系统技术重点实验室,北京 100190; 3.中国科学院大学,北京 100190)

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

基金：国家自然科学基金(41501485)。

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。

来源：2019年第2期

《计算机工程》期刊编辑部

查看计算机工程杂志2019年第2期