Resumen

Este documento presenta un estudio detallado y análisis de la recuperación de imágenes de atracciones turísticas a gran escala utilizando enfoques de ecuaciones de regresión lineal múltiple. Este método de extracción de características a menudo se basa en la partición de la cuadrícula y solo es efectivo cuando la similitud general de diferentes imágenes es alta. El modelo BOF se toma prestado del método para la recuperación de texto, que generalmente extrae las características locales de una imagen mediante el algoritmo de transformación de características invariante a la escala y las agrupa utilizando -means para obtener un diccionario visual de baja dimensión y caracteriza las características de la imagen con un vector de histograma basado en el diccionario visual. Sin embargo, cuando hay muchos tipos de imágenes, la dimensionalidad del diccionario visual será grande y no es conveniente construir el modelo BOF. La última capa completamente conectada se toma como la característica de la imagen, y se dimensionaliza mediante el método de análisis de componentes principales, y luego, se construye la estructura de índice de características de baja dimens

• Materias:Ecuaciones diferenciales parciales Ecuación de difusión Sistema de discriminación Singularidad Acoplamiento electromecánico
• Subjects:Partial differential equations Diffusion equation Discrimination system Singularity Electromechanical coupling
• Palabras claves:Estudio; Recuperación de imágenes; Características; Modelo BOF; Red neuronal convolucional; Precisión
• Keywords:Study; Image retrieval; Features; BOF model; Convolutional neural network; Accuracy