基于多視圖學習與主動查詢的圖像檢索研究.pdf

1、目前，隨著信息技術的不斷發(fā)展，多媒體資源大量膨脹，進而滿足用戶對多媒體數據的檢索成為了信息服務的挑戰(zhàn)之一。圖像數據作為多媒體數據的重要組成部分，其已經成為在教育、科技等諸多領域的進行信息傳播的主要形式，因此圖像的標記和檢索一直是信息服務領域的研究熱點。
　　 圖像標記和圖像檢索的研究目前已經取得了長足的進步，但是圖像檢索的性能與人們的期望還尚存差距。一方面?zhèn)鹘y的標記算法將花費大量的人力資源和時間成本，另一方面?zhèn)鹘y的方法很難彌合用

2、戶的檢索意圖與檢索結果的語義差。
　　 從以上兩點出發(fā)，本文提出了基于半監(jiān)督學習和主動學習融合的圖像檢索方法。旨在使用半監(jiān)督學習有效提高大規(guī)模圖像檢索中自動補充標記樣本數量，使用主動學習用于糾正檢索結果中錯誤檢索結果數據且使用該算法標記和檢索的性能。
　　 本課題提出了基于多視圖學習和主動學習的圖像檢索方案用以解決以上問題，本文的主要研究內容和主要研究特色如下:
　　 (1)在實際圖像檢索應用中，由于使用少量已標

3、記圖像數據為訓練樣本訓練模型，并用于標記大量未識別圖像，往往會導致因訓練樣本的不充分造成分類器效率低下的情況。本文提出使用半監(jiān)督學習的方法，引入機器自動標記高可信樣本，用于迭代補充新的自動化標記樣本用于分類器訓練，并提高分類器工作效率。
　　 (2)大量的實際應用表明，在圖像檢索過程中得到的檢索結果與用戶的真實檢索意圖存在一定的差距;同時，分類器在標記圖像樣本時常常會由于分類器訓練不充分，導致較多誤分類結果的出現。因此，本文使用

4、了反饋起調節(jié)作用的主動學習，可將部分由分類器選出的低置信度模糊數據進一步通過人工二次標定后補充入訓練樣本集。
　　 (3)在實驗過程中，我們根據圖像具備的多維度表達特征，采用多視圖學習和主動查詢融合的訓練檢索框架，融合主動學習和半監(jiān)督學習，建立互補的學習機制，可分別處理低置信度樣本和高置信度樣本，增加分類器的魯棒性，提高檢索效率。
　　 本文進行了大量基于公開圖像數據集的實驗，并且與諸多已知算法進行比較。實驗結果表明我們