导读:本文包含了对象检索论文开题报告文献综述及选题提纲参考文献，主要关键词:数字档案馆,信息服务,检索服务
对象检索论文文献综述
袁顺佳[1]（2019）在《我国数字档案馆检索服务调研——以10家数字档案馆为重点调研对象》一文中研究指出本文以我国10家基于互联网的数字档案馆为重点调研对象,通过网络调研,发现了我国数字档案馆在档案信息资源状况、档案的着录和标引、档案信息的分类组织、档案检索方式和检索结果的处理等方面存在的不足之处,为档案实践部门改进数字档案馆检索系统提供了参考。(本文来源于《兰台内外》期刊2019年06期）
冷迪[2]（2018）在《一种基于哈希散列技术进行文件对象存储和检索的方法——---海量文件系统数据访问和检索性能加速研究》一文中研究指出本文基于哈希散列技术提出了一种用于在文件系统内生成子目录散列槽,且通过唯一标识符标志每个子目录散列槽并在文件系统内快速接收文件,文件名散列以生成散列值,以提升主流文件系统的单个子目录所能支持的文件数量级,并且加快海量文件条件下的文件检索和读写。(本文来源于《中国新通信》期刊2018年23期）
韩文军,吉根林,朱承治,徐成,赵斌[3]（2018）在《面向多属性条件的空间对象检索算法》一文中研究指出针对现有空间索引不能满足多样化的检索需求,提出两种新型空间索引,能够同时面向空间属性、文本属性与划分属性进行空间对象检索。将分类技术应用于空间对象检索中,提出了基于划分索引与IR-Tree的混合索引以及先划分索引再IR-Tree的索引方法,不仅满足了多样化的空间检索需求,而且有效地解决了传统空间索引更新维护代价大的问题。基于真实的北京市POI数据集进行实验,结果表明本文提出两种索引是有效的且检索效率高。与传统空间索引相比,提出的空间索引很好地解决了具有划分属性的空间对象检索问题,并且具有较高的检索效率。(本文来源于《南京航空航天大学学报》期刊2018年05期）
贺波涛[4]（2018）在《全景视频生成及目标对象检索关键技术研究》一文中研究指出随着科技的进步及智慧城市的推进,各种视频监控系统已深入人们的生活,产生了海量的非结构化视频数据。本论文以实现基于目标对象的全景视频智能检索系统为目标,研究多镜头全景视频拼接技术、目标检测及目标重识别技术,以云计算为支撑实现对海量全景视频数据中目标对象的快速检索。针对以上关键技术,本论文深究了多镜头全景视频拼接技术,提出了应用分层匹配进行配准并基于变化检测来更新每一帧的视频拼接方法;基于视频目标检索技术是通过对运动目标进行检测提取研究对象,并对检索出来的运动对象进行特征提取与描述,从而对运动对象进行识别分类,其中在运动目标检测阶段本论文分析了经典ViBe算法存在的缺陷,并提出了基于背景平稳特性的ViBe背景建模方法;在目标检索阶段,本论文重点研究了行人的重识别问题,为解决度量学习过程中存在过拟合的问题,提出了基于负样本对双阈值约束的度量学习算法。主要创新点如下:(1)在多镜头全景视频拼接方面,针对具有一定视场重迭的摄像机固定拍摄的视频由于存在视差而造成拼接容易产生鬼影和拼接缝扭曲的情况,且不能满足实时性要求的问题,本论文提出一种应用分层匹配进行配准并基于变化检测来更新每一帧的视频拼接方法,分层匹配比仅使用一个全局投影变换矩阵更能适应层次丰富的复杂场景的配准,基于重迭区域变化检测的帧更新方法可通过检测图像重迭区域的变化情况按需更新拼接线,从而在保证视频拼接效果的同时,也能保持较高的效率。实现结果证明,基于分层匹配进行配准的方式很好的解决场景中存在复杂的深度分布而引起深度失真的现象,基于变化检测的拼接缝更新能有效的消除鬼影及误匹配现象,该成果发表于“Botao He,Shaohua Yu.Parallax-Robust Surveillance Video Stitching,Sensors,2016,16(1):7~19”。(2)针对目标检测算法中,经典的ViBe算法在背景模型初始化时存在运动物体和检测过程中目标由静止变为运动都易出现Ghost现象,而导致消融速度慢的问题,以及原目标易被检测为多个目标而导致目标分裂的问题,本论文针对ViBe算法单帧图像初始化出现Ghost现象的问题进行研究,基于短时间内背景像素沿时间变化为一平稳过程这一假设,提出了基于背景平稳特性的ViBe背景建模方法,该方法采用连续帧来完成背景模型的初始化,在背景模型更新阶段结合了ViBe随机更新方式和像素点的历史信息。实验证明,文中的方法在满足实时性的同时,有效的抑制鬼影现象,在静态场景中有很好的鲁棒性,提升了目标的检测准确性,该成果发表于“Botao He,Shaohua Yu.An Improved Background Subtraction Method Based on ViBe.7th Chinese Conference on Pattern Recognition(CCPR 2016).2016.Part I”。(3)在目标检索阶段,针对现有行人重识别在运用度量学习过程中,为了使正样本对特征距离小于负样本对特征距离,过度约束负样本对的距离尽可能大,而造成过拟合现象发生的问题,本论文提出了一种基于负样本对双阈值约束的度量学习算法,该方法通过对负样本对进行双阈值分割约束,能学习到更多行人图像间本质的区别,显着降低由于训练样本受限、样本受噪声和背景干扰等影响引起的过拟合,具有更强的泛化性。实验证明,对于负样本对之间过大的特征距离进行双阈值的约束,在VIPeR、PRID450S、CUHK01及Market1501数据集上准确率分别提升了0.82%、3.60%、6.21%及13.03%,证明了该方法约束条件对于度量学习模型优化的有效性,该成果发表于“Botao He,Shaohua Yu.Ring-push metric learning for person reidentification,Journal of Electronic Imaging,2017,26(3):033005-1~033005-10”。(本文来源于《华中科技大学》期刊2018-10-01）
公丕金,吕从民,宫永生[5]（2019）在《面向空间应用的数据对象存储与检索系统研究》一文中研究指出针对当前标准对象存储系统的数据对象属性存储和检索方面的不足,结合空间应用数据对象特点,进行了对象属性设计,提出了一种基于HBase数据库的属性管理方法。该方法利用HBase数据库对数据对象及其属性进行集中管理,同时采用分段散列索引实现利用对象属性快速检索对象数据。测试结果表明,基于HBase数据库对象管理方法性能优于现有的属性管理方法,具有较高的对象属性检索效率。(本文来源于《计算机应用研究》期刊2019年03期）
杨超[6]（2017）在《面向人群监管的人脸检测及海量对象检索》一文中研究指出随着现代信息技术的飞速发展,智能视频监控技术成为公安系统现代化信息建设的重要组成部分。公安系统通过部署在商场、火车站、汽车站、机场等重要场所的高清摄像头实时监控公共场所的各种人员信息,监管重点区域的治安动态,检测、追踪危险人员,提高城市治安管理工作效率。然而,随着视频监控系统规模的迅速扩大,以人工值守为基础的公安视频管理系统已不能满足庞大视频图像信息分析的需求。因此,面向海量图像资源的快速信息检索成为目前公安视频监控系统亟待解决的重要问题之一。本文针对公安信息系统对监控视频图像检索的需求,在现有的图像检索技术基础之上,提出了基于深度学习及哈希编码的海量图像信息检索技术。论文的主要工作如下:(1)针对当前海量图像检索技术中图像特征提取准确度不高的问题,研究了基于深度学习的人脸特征提取技术,提出了基于卷积神经网络的海量人脸识别图像检索方法。该方法利用卷积神经网络来获取高质量的图像特征从而提高整个检索架构的精确度。(2)以卷积神经网络的海量图像检索方法为基础,利用卷积神经网络中各层级之间提取的图像特征与哈希方法相结合进行哈希编码构建索引,对检索系统的速率进行了优化。实验仿真分析表明,在多个数据集包括MNIST、CIFAR-10以及FERET上检索精度都能达到90%以上并且提高了图像检索的速度。为了提高图像处理速度,对卷积神经网络进行并行化加速处理。通过实验分析,并行化处理的卷积神经网络处理50000张尺寸为32x32的RGB图像所需时间为32.16分钟,而未经并行加速的卷积网络处理时间需要42.13小时。相比于现有方法,速度提高了大约79倍。(3)以本文提出的海量图像检索技术为基础,构建了福州试点地区社区人群监管系统。实现了辅助门禁、检索以及逆向检索等功能。经过实际运行分析,系统的检索精度能够达到90%以上,平均检索一张图像的时间约为0.063秒,基本满足了当前人群监管的需求。(本文来源于《福州大学》期刊2017-06-01）
汪恭焰[7]（2017）在《基于对象的动态视频浓缩和检索技术研究》一文中研究指出如何在海量监控视频数据中快速定位有效数据已成为安防监控行业的迫切需求,而视频浓缩是满足这种需求的有效方法,它提取原始视频中的有效信息进行重构,实现快速浏览重要信息的目的。本文研究了当前主流视频浓缩的关键技术,包括前背景分割、多对象跟踪以及对象组合优化算法,同时为了提高视频浓缩的准确度,降低有效信息的损失率,提高浓缩程度,本文对这些关键技术进行了优化改进,主要工作包括:在前背景分割方面,考虑到LBSP特征对光照的鲁棒性,提出了基于LBSP特征的非参数估计背景建模方法。同时为了应对不同场景对前景提取的挑战,对传统的高斯混合模型进行了分离改进,并融合两种建模方法。在多对象跟踪方面,应用多对象匹配跟踪算法对场景进行建模和反馈,对发生碰撞和遮挡的对象进行标记,保留原始视频中的真碰撞。在对象组合方面,首次按照对象数目和分段将视频浓缩分为单对象分段浓缩、单对象非分段浓缩、多对象分段浓缩和多对象非分段浓缩,从移动特征和SIFT特征对对象进行非监督训练和监督训练实现分类,最终实现特定类的视频浓缩,并在聚类浓缩的基础上实现高效的视频检索。(本文来源于《长春理工大学》期刊2017-03-01）
周光耀[8]（2016）在《基于Neo4j与FFM的面向对象GIS数据存储与检索研究》一文中研究指出对现实世界抽象,以一种直观高效模型表达现实和存储是诸多研究方向的研究基础。结合面向对象全要素模型(FFM)和图数据库,通过现实数据利用JSON进行全要素模型建立以及图数据建立来研究面向对象GIS数据存储检索。(本文来源于《科技创新与生产力》期刊2016年04期）
高娜娜[9]（2016）在《基于自定义数据对象的分布式大数据检索研究与实现》一文中研究指出随着互联网+时代的来临以及信息技术和计算机产业的高速发展,数据量出现爆发式增长的趋势,导致了数据信息严重泛滥的局面,预示着大数据时代来临了。然而,大数据中隐藏着巨大的财富价值,从海量数据中挖掘有价信息在数据量爆满的时代里变得非常困难。另外,在信息时代里,时间就是金钱,抓住时间就意味着比别人更早一步抓住机遇,从而获得成功的几率大大提升,因此,如何在海量数据中进行数据检索以及如何做到更快的数据检索变得异常重要。本文提出的自定义数据对象的分布式大数据检索就是利用独特的数据格式、分布式思想以及WebService技术实现在海量数据信息中的快速检索,并且,它支持指定被检索数据对象的功能,只要用户选择好数据对象的范围,系统就可以仅在该数据对象范围内进行数据检索,在缩短检索时间、提高检索效率和准确率方面具有很大的优势。首先,调查了国内外在分布式技术和数据检索技术方面的发展现状,并且列举了多种在这两方面比较有代表性的先进技术,分析了本课题的研究对于当前社会的意义。接着简单介绍了在本课题的设计中用到的部分相关技术,包括分布式技术以及它的各个组成部分的功能及作用,并介绍了WebService技术的结构、工作原理等。其次,明确提出了课题的总体设计思路,对于系统的输入输出格式进行了详细的设计,系统的介绍了设计中每一个部分的工作原理和工作流程,实现了课题中各种数据对象输入格式的具体定义。详细阐述了系统中关键流程,包括客户端工作原理、服务器的工作原理、节点工作流程及具体处理过程等内容,画出相应的程序流程图,并用C#语言实现。最后,对自定义数据对象的分布式大数据检索工具与多种其它检索工具进行了性能对比测试,结果表明基于自定义数据对象的分布式大数据检索工具取得了良好的预期效果,具有一定的市场价值。(本文来源于《太原科技大学》期刊2016-04-01）
顾彦慧,王道胜,王永根,龙云飞,蒋锁良[10]（2016）在《基于空间短文本对象的检索策略》一文中研究指出针对传统空间文本检索策略中的效率和有效性问题,对如何从给定的空间文本对象集合中快速有效地检索出top-k个近似结果进行研究。基于一个空间检索的通用框架,提出一种基于空间文本对象的快速策略,用于满足用户对效率与有效性的要求。实验结果证明该策略优于现有方法。(本文来源于《北京大学学报(自然科学版)》期刊2016年01期）
对象检索论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文基于哈希散列技术提出了一种用于在文件系统内生成子目录散列槽,且通过唯一标识符标志每个子目录散列槽并在文件系统内快速接收文件,文件名散列以生成散列值,以提升主流文件系统的单个子目录所能支持的文件数量级,并且加快海量文件条件下的文件检索和读写。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
对象检索论文参考文献
[1].袁顺佳.我国数字档案馆检索服务调研——以10家数字档案馆为重点调研对象[J].兰台内外.2019
[2].冷迪.一种基于哈希散列技术进行文件对象存储和检索的方法——---海量文件系统数据访问和检索性能加速研究[J].中国新通信.2018
[3].韩文军,吉根林,朱承治,徐成,赵斌.面向多属性条件的空间对象检索算法[J].南京航空航天大学学报.2018
[4].贺波涛.全景视频生成及目标对象检索关键技术研究[D].华中科技大学.2018
[5].公丕金,吕从民,宫永生.面向空间应用的数据对象存储与检索系统研究[J].计算机应用研究.2019
[6].杨超.面向人群监管的人脸检测及海量对象检索[D].福州大学.2017
[7].汪恭焰.基于对象的动态视频浓缩和检索技术研究[D].长春理工大学.2017
[8].周光耀.基于Neo4j与FFM的面向对象GIS数据存储与检索研究[J].科技创新与生产力.2016
[9].高娜娜.基于自定义数据对象的分布式大数据检索研究与实现[D].太原科技大学.2016
[10].顾彦慧,王道胜,王永根,龙云飞,蒋锁良.基于空间短文本对象的检索策略[J].北京大学学报(自然科学版).2016