基于局部模型的圖像語(yǔ)義標(biāo)注方法研究.pdf

1、隨著互聯(lián)網(wǎng)的飛速發(fā)展,人們正面臨著包括圖像在內(nèi)的各種多媒體數(shù)據(jù)的爆炸式增長(zhǎng)。如何快速,有效地從海量的圖像數(shù)據(jù)中檢索出所需要的圖像是目前一個(gè)急需解決的重要問(wèn)題。然而底層圖像特征無(wú)法描述高層的語(yǔ)義,人們希望通過(guò)文本關(guān)鍵字對(duì)圖像進(jìn)行檢索。為了解決海量圖像的語(yǔ)義檢索,對(duì)圖像的自動(dòng)化標(biāo)注正是提取圖像語(yǔ)義的一個(gè)非常重要的手段。
　　建立一個(gè)能夠擬合所有數(shù)據(jù)的全局模型相對(duì)困難,并且擬合效果可能較差。反之,擬合局部的數(shù)據(jù)往往只需要很簡(jiǎn)單的模型。以

2、K近鄰的基本思想為起點(diǎn),研究局部模型結(jié)合標(biāo)簽關(guān)聯(lián)進(jìn)行圖像的語(yǔ)義標(biāo)注的方法,分別從分類和回歸二種不同角度對(duì)圖像標(biāo)注問(wèn)題進(jìn)行了局部建模。在基于K近鄰的方法中,分別考慮了不帶權(quán)重、距離權(quán)重和排名作為權(quán)重。在分類模型中,將多標(biāo)簽問(wèn)題轉(zhuǎn)化為二類問(wèn)題利用支持向量機(jī)進(jìn)行求解,通過(guò)語(yǔ)義核函數(shù)以及標(biāo)簽語(yǔ)義關(guān)聯(lián)后處理的方式研究考慮語(yǔ)義對(duì)標(biāo)注結(jié)果的影響。在回歸模型中定義了一個(gè)語(yǔ)義空間,將圖像標(biāo)注作為一個(gè)從底層特征到語(yǔ)義空間的映射過(guò)程,采用隨機(jī)梯度下降的方法進(jìn)