本體與圖融合lasso結(jié)合的圖像屬性學(xué)習(xí)研究.pdf

1、隨著大數(shù)據(jù)時(shí)代的到來(lái)，大量的網(wǎng)絡(luò)圖像對(duì)于圖像的理解和檢索帶來(lái)了巨大的挑戰(zhàn)。統(tǒng)計(jì)模型的提出和特征表示技術(shù)的進(jìn)步，使得圖像檢索和標(biāo)注問(wèn)題取得了很大的進(jìn)展。但是統(tǒng)計(jì)的方法往往忽略先驗(yàn)知識(shí)，本文認(rèn)為如果利用本體先驗(yàn)知識(shí)來(lái)指導(dǎo)統(tǒng)計(jì)學(xué)習(xí)方法將取得更好的結(jié)果。
　　由于屬性擁有描述性和可刻畫性的特性，因此，近幾年基于屬性的方法在計(jì)算機(jī)視覺(jué)領(lǐng)域得到廣泛的關(guān)注，基于屬性的方法被用在各種各樣的應(yīng)用當(dāng)中，對(duì)于屬性的學(xué)習(xí)尤為重要。本文將WordNet先驗(yàn)

2、知識(shí)融入到稀疏表達(dá)模型當(dāng)中，提出本體與圖融合lasso結(jié)合的屬性特征選擇和屬性學(xué)習(xí)框架。文章首先在本體（WordNet）空間中來(lái)挖掘?qū)傩灾g的相似關(guān)系，并運(yùn)用一種基于路徑的方法構(gòu)建屬性相似的圖模型，然后將該圖模型與圖融合lasso模型相結(jié)合。利用該模型能夠使得在本體空間內(nèi)相似的屬性被映射到特征空間后依然能夠共享相似的特征。文章利用提出的模型抽取出對(duì)屬性有效的特征，存儲(chǔ)成“知識(shí)”并將其從源圖像集遷移到目標(biāo)圖像集，從而對(duì)屬性進(jìn)行遷移學(xué)習(xí)。<

3、br>　　本文利用ImageNet的animal分支的31288張圖片進(jìn)行實(shí)驗(yàn)，并充分利用上下位關(guān)系來(lái)獲取圖像的屬性，采用能靈活地描述了圖像的局部信息和細(xì)節(jié)內(nèi)容的基于SIFT特征的視覺(jué)詞袋模型作為特征，并采用k近鄰（knn）、支持向量機(jī)（svm）等多種分類器來(lái)驗(yàn)證方法的效果。實(shí)驗(yàn)發(fā)現(xiàn)，基于本體空間的圖模型構(gòu)建相對(duì)于傳統(tǒng)基于統(tǒng)計(jì)的方法具有更低的時(shí)間復(fù)雜度；本體與圖融合lasso結(jié)合的模型相對(duì)于單純的統(tǒng)計(jì)模型具有更快的收斂率，更好的理論分類