计算机应用

作者：赵一, 段兴, 谢仕义, 梁春林

单位：1.广东海洋大学 数学与计算机学院，广东 湛江 524000；2.湛江湾实验室 南海渔业大数据中心，广东 湛江 524000

关键词：交通领域本体,图像语义检索,语义推理,支持向量机决策树分类,目标识别

基金：南方海洋科学与工程广东省实验室自主立项重大项目(ZJW-2019-08);广东海洋大学创新强校重大科研项目(GDOU2017052501)

为了从海量的道路交通图像中检索出违反交通法规的图像，提出了一种特定目标自识别的语义图像检索方法。首先，通过交通领域专家建立交通领域本体及道路交通规则描述；然后，通过卷积神经网络（CNN）对交通图像的特征进行提取，并结合改进的支持向量机决策树（SVM-DT）算法对图像特征进行分类的策略，对交通图像中的特定目标及目标间空间位置关系进行自动识别，并映射成为相应的本体实例及其对象之间的关联关系（规则实例）；最后，利用本体实例和规则实例，通过推理得到语义检索结果。实验结果表明，相比关键字和本体交通图像语义检索方法，所提方法具有更高的准确率、召回率和检索效率。

来源：2020年第2期

《计算机应用》期刊编辑部

查看计算机应用杂志2020年第2期