面向语义属性查询的动画场景图像检索系统

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (19): 1-4.

面向语义属性查询的动画场景图像检索系统

邓莉琼1，陈丹雯1，袁志民1，吴玲达1，2

1.国防科学技术大学信息系统工程重点实验室，长沙 410073
2.装备指挥技术学院，北京 101416

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-07-01 发布日期:2011-07-01

Semantic attribute-based cartoon scene image search system

DENG Liqiong1，CHEN Danwen1，YUAN Zhimin1，WU Lingda1，2

1.Science and Tech. on Info. Systems Eng. Laboratory，National University of Defense Technology，Changsha 410073，China
2.Academy of Equipment Command & Technology，Beijing 101416，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-07-01 Published:2011-07-01

摘要/Abstract

摘要： 设计并实现了一个交互式检索动画场景图像的系统。通过从动画场景图像中自动提出三种语义属性信息（类别、时间以及复杂度），用户可以输入例如“一幅不复杂的傍晚的天空”作为查询来找到满意的检索结果。该系统是全自动的，并且是可扩展的。所有的语义属性特征计算在后台完成，从而保证系统的实时检索。此外，还设计了针对用户的几种不同交互式检索界面，极大地增强了检索的灵活性及正确性。

关键词: 属性, 动画, 场景, 检索, 语义

Abstract: An interactive search system of cartoon scène images is presented.Using a set of automatically extracted，semantic cartoon scene images’ attributes（such as category，time and pureness），the user can find a desired cartoon scene image，such as “a pure sky at sunset”.The system is fully automatic and scalable.It computes all cartoon scene images’ attributes offline，and then provides an interactive online search engine.Furthermore，the system contains different kinds of retrieval methods which are aimed at users.The results show that this system can improve the facility and efficiency greatly.

Key words: attribute, cartoon, scene, retrieval, semantic

邓莉琼1，陈丹雯1，袁志民1，吴玲达1，2. 面向语义属性查询的动画场景图像检索系统[J]. 计算机工程与应用, 2011, 47(19): 1-4.

DENG Liqiong1，CHEN Danwen1，YUAN Zhimin1，WU Lingda1，2. Semantic attribute-based cartoon scene image search system[J]. Computer Engineering and Applications, 2011, 47(19): 1-4.

[1]	王林，柴江云. 深度神经网络在多场景车辆属性识别中的研究[J]. 计算机工程与应用, 2021, 57(9): 162-167.
[2]	周伦钢，孙怡峰，王坤，吴疆，黄维贵，李炳龙. 目标多种多值属性的端端快速识别网络[J]. 计算机工程与应用, 2021, 57(9): 182-190.
[3]	李晓筱，胡晓光，王梓强，杜卓群. 基于深度学习的实例分割研究进展[J]. 计算机工程与应用, 2021, 57(9): 60-67.
[4]	徐少杰，曹雏清，王永娟. 视觉SLAM在室内动态场景中的应用研究[J]. 计算机工程与应用, 2021, 57(8): 175-179.
[5]	伍京华，耿翠阳，韩佳丽. 基于Agent的多属性决策模型及其在高校实验教学中的应用[J]. 计算机工程与应用, 2021, 57(8): 238-243.
[6]	马巧梅，王明俊，梁昊然. 复杂场景下基于改进YOLOv3的车牌定位检测算法[J]. 计算机工程与应用, 2021, 57(7): 198-208.
[7]	杨波，陶青川，董沛君. 改进Deeplab v3+网络的手术器械分割方法[J]. 计算机工程与应用, 2021, 57(7): 222-227.
[8]	肖雨晴，杨慧敏. 目标检测算法在交通场景中应用综述[J]. 计算机工程与应用, 2021, 57(6): 30-41.
[9]	李益红，陈袁宇. 深度学习场景文本检测方法综述[J]. 计算机工程与应用, 2021, 57(6): 42-48.
[10]	李玲，王峥，李娜. 雾计算中支持计算外包的访问控制方案[J]. 计算机工程与应用, 2021, 57(6): 81-87.
[11]	徐建国，刘泳慧，刘梦凡. 基于BILSTM-CRF的高校政策语义角色标注研究[J]. 计算机工程与应用, 2021, 57(6): 207-211.
[12]	杨丰玉，黄雅璇，周世健，郑巍. 结合多元度量指标软件缺陷预测研究进展[J]. 计算机工程与应用, 2021, 57(5): 10-24.
[13]	伍京华，吴学桥. 基于Agent的改进贴近度的多属性评价模型[J]. 计算机工程与应用, 2021, 57(5): 65-70.
[14]	袁铭阳，黄宏博，周长胜. 全监督学习的图像语义分割方法研究进展[J]. 计算机工程与应用, 2021, 57(4): 43-54.
[15]	代琪，李敏，刘洋，李丽红. 模糊层次商空间的快速属性约简算法[J]. 计算机工程与应用, 2021, 57(4): 55-60.