图像场景分类技术综述

田艳玲; 张维桐; 张锲石; 路纲; 吴晓军

doi:10.3969/j.issn.0372-2112.2019.04.020

您当前的位置：

首页 >

文章列表页 >

图像场景分类技术综述

综述评论 | 更新时间：2025-07-16

- 图像场景分类技术综述
- Review on Image Scene Classification Technology
- 电子学报 2019年47卷第4期页码：915-926
- 作者机构：
  
  1. 陕西师范大学现代教学技术教育部重点实验室,陕西,西安,710062
  2. 陕西师范大学计算机科学学院,陕西,西安,710062
  3. 中国科学院深圳先进技术研究院,广东,深圳,518055
  4. 陕西师范大学现代教学技术教育部重点实验室,陕西,西安,710062
  5. 陕西师范大学计算机科学学院,陕西,西安,710062
  6. 中国科学院深圳先进技术研究院,广东,深圳,518055
- 作者简介：
- 基金信息：
  
  国家重点研发计划 (No.2017YFB1402100）;国家自然科学基金 (No.11772178，No.61772508，No.U1713213）;陕西省自然科学基金 (No.2017JM6101，No.2017JM6103，No.2017JM6060，No.2017JQ6077）;陕西师范大学中央高校基本科研业务费 (No.GK201703060，No.GK201801004）;陕西师范大学2017年度校级综合教改研究项目 (No.17JG33）
- DOI：10.3969/j.issn.0372-2112.2019.04.020
  中图分类号： TP391
- 网络出版：2019-04-25，
  
  纸质出版：2019
- 稿件说明：
移动端阅览
田艳玲, 张维桐, 张锲石, 等. 图像场景分类技术综述[J]. 电子学报, 2019,47(4):915-926.

TIAN Yan-ling, ZHANG Wei-tong, ZHANG Qie-shi, et al. Review on Image Scene Classification Technology[J]. Acta Electronica Sinica, 2019, 47(4): 915-926.
田艳玲, 张维桐, 张锲石, 等. 图像场景分类技术综述[J]. 电子学报, 2019,47(4):915-926. DOI： 10.3969/j.issn.0372-2112.2019.04.020.

TIAN Yan-ling, ZHANG Wei-tong, ZHANG Qie-shi, et al. Review on Image Scene Classification Technology[J]. Acta Electronica Sinica, 2019, 47(4): 915-926. DOI： 10.3969/j.issn.0372-2112.2019.04.020.

摘要

目前，基于计算机视觉分析的图像场景分类技术已被广泛研究并应用在众多学科领域中.本文从不同角度对近年来典型的场景分类技术进行了深入的探讨与比较.首先介绍了场景分类技术的背景、应用场景以及发展现状；然后基于特征提取、语义分析和机器学习的角度分别对国内外的相关研究进行系统的分析、比较及总结；最后对目前研究所面临的问题和未来技术的发展给出总结与展望.

Abstract

The computer vision based scene classification technology is widely developed and applied in different fields.In this paper

the typical scene classification technology is analyzed and compared from the different directions.First

the background

application and development situation is introduced.Then

the related researches both at home and overseas are analyzed

compared and summarized from the perspectives of feature extraction

semantic analysis and machine learning.Finally

the problems that the current researches are facing and potential future development are discussed.

关键词

Keywords

references

浏览量

998

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于主特征归因的对抗样本生成方法研究

基于特征聚类的稀疏自编码快速算法

基于深度学习的异常事件检测

基于深度学习的目标检测研究综述