基于混合网络模型的多模态图像分类研究
黄矽琳1
洪岚2
1.黎明职业大学实验实训与信息技术中心,福建泉州 3620002.华侨大学工学院,福建泉州 362000
摘要：针对现有图像分类方法存在多模态特征向量提取完整度较低、图像分类正确率较差等问题,提出了一种基于混合网络模型的多模态图像分类方法.采用正则化操作、对数变换算法、顶帽运算算法和伽马变换算法预处理多模态图像,获取了高质量、高对比度、高清晰度的多模态图像,构建了混合网络模型(复杂网络模型与卷积神经网络模型),利用复杂网络模型提取多模态图像特征向量,通过卷积神经网络模型的多层次结构(卷积层、池化层与全连接层)执行多模态图像分类任务,从而实现了多模态图像分类目标.实验结果表明,在不同实验工况下,提出方法应用后多模态图像特征向量提取完整度最大值为99.03％,多模态图像分类正确率最大值为 100％.
关键词：多模态图像图像描述图像分类混合网络模型
分类号：TN911.73(通信)
资助基金：泉州市社会科学基金资助项目(2019H01)
论文发表日期：2024-11-30
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 38-45 )
英文信息