论文部分内容阅读
现有的草图识别框架利用整幅图像作为网络输入,草图识别过程可解释性较差。文中融合深度学习和语义树,提出草图语义网(Sketch-Semantic Net)。首先对草图进行部件分割,将单幅完整的草图分割为多个具有语义概念的部件图。然后利用深度迁移学习识别草图部件。最后通过语义树的语义概念关联部件同部件所属草图对象类别,较好地弥补sketch 图像从底层语义到高层语义之间的语义鸿沟。在广泛应用的草图分割数据集上的实验验证文中方法的有效性。