圖像自動標注算法研究.pdf_第1頁
已閱讀1頁,還剩65頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、隨著互聯(lián)網(wǎng)(Internet)的快速發(fā)展,圖像的數(shù)量呈幾何級數(shù)增長,如何從龐大的數(shù)據(jù)庫有效地檢索和管理圖像是現(xiàn)在迫切需要解決的問題。目前,許多Internet公司都開發(fā)了他們自己的圖像搜索引擎,但多數(shù)是采用基于文本的圖像檢索技術(shù),然而其圖像檢索通常是人工進行標注的方式,既費時又費力。目前,基于內(nèi)容的圖像標注技術(shù)是利用圖像中顏色、紋理、形狀等底層特征進行相似性匹配,國內(nèi)外也進行了大量相關(guān)的研究。但因該技術(shù)存在“語義鴻溝”的問題,制約了其對

2、圖像進行準確、快速標注。
  本文提出了一種基于聯(lián)合特征選擇的多示例圖像語義自動標注方法。該方法通過訓(xùn)練圖像的語義標簽自動標注測試圖像的標簽。在此基礎(chǔ)上,又對圖像標注做了擴展,提出了基于最大熵模型的圖像標簽分布估計算法,即可以同時得到測試圖像的標簽及標簽所占圖像的比例(標簽分布)。那么對圖像標注和標簽分布這兩個方面,本文的研究內(nèi)容包括:
  1.針對語義標注的不準確性,本文研究多示例學(xué)習(xí)方法在圖像標注方面的應(yīng)用。首先要對圖像

3、進行示例分割,并提取每個示例的底層特征。然后把這些示例的特征和標簽輸入到算法模型中學(xué)習(xí)。多示例學(xué)習(xí)既可以處理單標簽也可以解決多標簽圖像自動標注問題。
  2.針對圖像標簽數(shù)量的有限性,本文研究半監(jiān)督學(xué)習(xí)方法在圖像標注方面的應(yīng)用。從數(shù)據(jù)集中選取一部分有標簽的樣本,另一部分沒有標簽的樣本,把它們一起作為訓(xùn)練樣本進行學(xué)習(xí)。采用圖拉普拉斯來解決半監(jiān)督學(xué)習(xí)的問題,首先構(gòu)建加權(quán)圖,然后求得圖拉普拉斯算子,最后代入流行正則化公式對目標函數(shù)進行優(yōu)

4、化。
  3.設(shè)計了一種基于聯(lián)合特征選擇的多示例多標簽(Joint Feature Selection of Multi-instance Multi-lable,JFS-MIML)圖像自動標注算法。在多示例學(xué)習(xí)的基礎(chǔ)上對數(shù)據(jù)集進行半監(jiān)督的學(xué)習(xí),又利用流形學(xué)習(xí)的方法可以對特征維數(shù)高的數(shù)據(jù)進行降維處理。與此同時,本文又結(jié)合了稀疏表示構(gòu)建了線性回歸模型,最優(yōu)化得到基于特征選擇的多示例多標簽圖像自動標注算法。在訓(xùn)練得到預(yù)測值后,本文通過

5、采取自適應(yīng)閾值對預(yù)測值進行判定來得到標簽,進而可求得圖像標注的準確率。
  4.本文對圖像標注進行了擴展,提出一種基于最大熵模型圖像標簽分布學(xué)習(xí)的方法。標簽分布學(xué)習(xí)即可得到圖像的標簽,又可得到每張圖像中標簽的分布信息,進而知道在每幅圖像中每種標簽所占的比例,用戶可優(yōu)先選擇所搜索標簽中比例最大的圖像,提高了圖像檢索準確率和合理性。在標簽分布學(xué)習(xí)的啟發(fā)下,本文把基于特征選擇的多示例多標簽圖像自動標注算法應(yīng)用在標簽分布學(xué)習(xí)中,也得到了較

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論