大規(guī)模圖像標(biāo)注方法研究.pdf

1、自動(dòng)圖像標(biāo)注是在圖像領(lǐng)域中的一種關(guān)鍵技術(shù)，與圖像的檢索和管理等方面有很大聯(lián)系。在現(xiàn)實(shí)的互聯(lián)網(wǎng)環(huán)境中，隨著圖像大規(guī)模數(shù)據(jù)量的不斷增加情況下，自動(dòng)圖像標(biāo)注需要更加關(guān)注的是如何利用各種機(jī)器學(xué)習(xí)、模式識(shí)別和統(tǒng)計(jì)建模方面，實(shí)現(xiàn)對(duì)大規(guī)模數(shù)據(jù)的自動(dòng)圖像標(biāo)注。
　　為了進(jìn)一步提高標(biāo)注精度和效率，考慮到大規(guī)模圖像數(shù)據(jù)集的計(jì)算影響以及大規(guī)模數(shù)據(jù)圖像的類別的復(fù)雜性，提出基于優(yōu)化隨機(jī)森林的圖像預(yù)分類學(xué)習(xí)方法和基于分布式標(biāo)簽傳播的大規(guī)模訓(xùn)練集標(biāo)注方法。其中

2、，基于隨機(jī)森林的圖像預(yù)分類學(xué)習(xí)方法首先考慮的是對(duì)圖像進(jìn)行初步的分類，決策樹(shù)中同一葉子節(jié)點(diǎn)的樣本滿足同一組屬性的局部相似性，但是由于訓(xùn)練集圖片是多標(biāo)記，建立隨機(jī)樹(shù)來(lái)對(duì)初始的樣本集進(jìn)行預(yù)分類。對(duì)于大規(guī)模數(shù)據(jù)來(lái)說(shuō)，采用集成多隨機(jī)樹(shù)的方法即優(yōu)化的隨機(jī)森林方法，集成學(xué)習(xí)方法可以減少每個(gè)學(xué)習(xí)器的誤差。對(duì)預(yù)分類的結(jié)果提出基于樣本分布的map任務(wù)排序，通過(guò)對(duì)每個(gè)葉子節(jié)點(diǎn)集合的圖片分布，選擇方差較小的葉節(jié)點(diǎn)作為分布式計(jì)算的輸入。基于分布式標(biāo)簽傳播的大規(guī)模

3、訓(xùn)練集標(biāo)注方法是一種并行計(jì)算的方法，采用基于knn的分布式標(biāo)簽傳播方法，每個(gè)map任務(wù)對(duì)應(yīng)一個(gè)葉子節(jié)點(diǎn)集合，同時(shí)在每個(gè)map任務(wù)時(shí)進(jìn)行中間結(jié)果的處理優(yōu)化和計(jì)算優(yōu)化。
　　為了驗(yàn)證方法的可行性及有效性，在分布式集群上進(jìn)行實(shí)驗(yàn)。實(shí)驗(yàn)表明，使用優(yōu)化的隨機(jī)森林算法對(duì)訓(xùn)練樣本進(jìn)行分類，同時(shí)對(duì)其排序的預(yù)處理，能夠有效地減少后面的計(jì)算量，使用MapReduce方法提高測(cè)試圖片的標(biāo)注效率。在有效的時(shí)間內(nèi)，與傳統(tǒng)的自動(dòng)圖像標(biāo)注相比，在準(zhǔn)確率和召回率