結(jié)合用戶標(biāo)注信息的圖像分類研究.pdf

1、隨著云計(jì)算、圖像傳輸和網(wǎng)絡(luò)技術(shù)的迅猛發(fā)展，網(wǎng)絡(luò)上圖片、視頻等多媒體信息日益成為占據(jù)網(wǎng)絡(luò)空間的主要內(nèi)容。眾所周知，海量的信息更需要有效的組織和管理，所以對(duì)大規(guī)模視覺信息的分類和檢索的研究，己成為現(xiàn)階段科研工作中亟待解決的問題。其中，網(wǎng)絡(luò)圖像分類受到越來越多的關(guān)注，并成為研究熱點(diǎn)。早期的圖像分類研究中，最根本的工作之一是如何準(zhǔn)確的表達(dá)圖像的視覺信息，而視覺信息的表達(dá)又依賴于如何更好的抽取圖像的視覺特征。在研究工作中，我們通常把圖像的視覺特征

2、分為兩個(gè)部分：局部特征和全局特征。這兩種特征從不同角度分別描述的圖像中包含的信息。近年來，在大規(guī)模網(wǎng)絡(luò)圖像分類研究工作中，相比于全局特征，局部特征鑒于其在圖像噪聲和物體遮擋方面的優(yōu)勢(shì)，因此受到了更廣泛的關(guān)注。本文主要針對(duì)基于局部特征的圖像分類工作展開研究，提出了結(jié)合用戶信息的分類方法，期望通過與用戶的交互，以改善在網(wǎng)絡(luò)圖像數(shù)據(jù)集中的分類效果。主要研究工作如下：
　　 ⑴提出了基于局部特征的圖像分類和檢索研究中的方法，并采用NUS

3、-WIDE-OBJECT和MIRFLICKR-25000兩個(gè)數(shù)據(jù)集驗(yàn)證了他們?cè)诰W(wǎng)絡(luò)圖像分類和檢索中的優(yōu)勢(shì)。與傳統(tǒng)的局部特征相比，實(shí)驗(yàn)結(jié)果表明梯度直方圖和顏色直方圖檢測(cè)子能夠有效的提高分類和檢索的準(zhǔn)確率。
　　 ⑵提出了結(jié)合用戶信息的半自動(dòng)推薦算法。借鑒傳統(tǒng)的圖像分類的方法，利用已有群組中的圖片作為訓(xùn)練樣本獲得分類器，并對(duì)測(cè)試集中的所有圖像進(jìn)行初始的預(yù)測(cè)。利用主動(dòng)學(xué)習(xí)的方法，選擇測(cè)試圖像集中最具代表性的少量樣例圖像，提交給用戶并分

4、配到合適的群組中。因而，這部分少量的樣本圖像包含了用戶所提供的信息。利用用戶反饋獲得的樣例圖像，通過多圖的組群傳播的半監(jiān)督學(xué)習(xí)方法，獲得測(cè)試集中剩余圖像的群組信息。與傳統(tǒng)的群組推薦的算法相比，該算法具有明顯的優(yōu)勢(shì)：利用了用戶提供的信息；最大程度上的減少了用戶的大量的分配圖片的工作，節(jié)省了用戶寶貴的時(shí)間；直接采用了網(wǎng)絡(luò)原始的Flickr數(shù)據(jù)集，圖像數(shù)據(jù)內(nèi)容更具有網(wǎng)絡(luò)圖片的特點(diǎn)。
　　 ⑶結(jié)合用戶信息、圖像標(biāo)注信息及視覺內(nèi)容信息，提