基于語義計(jì)算的小樣本圖像分類研究.pdf

1、小樣本是訓(xùn)練樣本不足或者分布不均勻，造成了個(gè)別類別的訓(xùn)練數(shù)據(jù)很少的情況。小樣本問題在圖像分類中是常見問題。采用傳統(tǒng)的機(jī)器學(xué)習(xí)方法，對這些樣本不足的類別進(jìn)行分類時(shí)，分類效果難以滿足要求。因此，在圖像分類等實(shí)際應(yīng)用中，小樣本問題是一個(gè)難題，需要采取不同于傳統(tǒng)機(jī)器學(xué)習(xí)的方法對訓(xùn)練樣本進(jìn)行學(xué)習(xí)。本文在圖像分類領(lǐng)域，假設(shè)圖像數(shù)據(jù)庫的數(shù)據(jù)主要包括圖像及其標(biāo)注信息，針對圖像或標(biāo)注信息少的兩類四種不同的小樣本問題進(jìn)行了研究，分別提出了相應(yīng)的解決辦法。<

2、br>　　本研究主要內(nèi)容包括：⑴在單數(shù)據(jù)庫中，圖像分類領(lǐng)域的小樣本問題體現(xiàn)在數(shù)據(jù)庫中某些類別訓(xùn)練數(shù)據(jù)較少。特別是在自然場景的圖像中，其類別較多，某些類存在訓(xùn)練數(shù)據(jù)少的問題。本文提出了基于潛在語義的單源小樣本圖像分類模型。首先分析場景類別、圖像、對象相互的三個(gè)語義關(guān)系，其中包括了對不同場景標(biāo)簽的語義關(guān)系，場景所包含對象的語義關(guān)系，以及對象與其中所包含視覺詞匯的語義關(guān)系進(jìn)行分析。然后通過計(jì)算出的相似性表示潛在語義關(guān)系，尋找其他類別中與數(shù)據(jù)較

3、少類別相似的場景，學(xué)習(xí)其中滿足遷移條件的樣本，實(shí)現(xiàn)樣本數(shù)量的擴(kuò)充，彌補(bǔ)小樣本問題造成的不足，提升模型分類正確率。⑵零樣本問題是指某些類別沒有訓(xùn)練數(shù)據(jù)的情況，如在復(fù)雜場景、自然場景等圖像數(shù)據(jù)中，不可能收集到所有類別的數(shù)據(jù)，但這些沒有訓(xùn)練數(shù)據(jù)的類別也有分類的需求。本文提出模糊屬性與模糊知識，分別用于刻畫圖像特征-屬性與圖像類別-屬性的語義關(guān)系。模糊屬性與現(xiàn)有的二進(jìn)制屬性相比，有著更好的對對象的刻畫能力；模糊知識可通過多種途徑獲得的多源知識，

4、實(shí)現(xiàn)擴(kuò)充已有知識，并通過語義計(jì)算糾正部分錯(cuò)誤知識，達(dá)到提高數(shù)據(jù)知識質(zhì)量的目的；最后提出了模糊直接屬性預(yù)測和模糊間接屬性預(yù)測算法。實(shí)驗(yàn)結(jié)果表明本文算法與現(xiàn)有算法相比，有效地提高了分類正確率。⑶在單主機(jī)環(huán)境下，主機(jī)存儲著多個(gè)數(shù)據(jù)庫，其中某些數(shù)據(jù)庫或者某些類別所包含的數(shù)據(jù)少，但是本地主機(jī)還有其他圖像數(shù)據(jù)庫可供利用。在圖像語義間關(guān)系的基礎(chǔ)上，本文對不同源數(shù)據(jù)中標(biāo)注詞，分析語義生成語義二叉樹，并通過計(jì)算語義關(guān)系，根據(jù)語義相似性的大小，篩選各數(shù)據(jù)源

5、的語義二叉樹節(jié)點(diǎn)，生成新的語義二叉樹。新的語義二叉樹能更好地表示不同類別的語義關(guān)系，輔助多任務(wù)學(xué)習(xí)將其他源數(shù)據(jù)訓(xùn)練的模型與本地的模型集成在一起，從而達(dá)到改善分類效果的目的。⑷網(wǎng)絡(luò)環(huán)境中的小樣本問題，即本地主機(jī)的數(shù)據(jù)庫訓(xùn)練數(shù)據(jù)較少，但整個(gè)網(wǎng)絡(luò)的數(shù)據(jù)是海量的情況。本地主機(jī)可通過語義相似關(guān)系，有條件地利用其它網(wǎng)絡(luò)節(jié)點(diǎn)的語義相似數(shù)據(jù)來擴(kuò)充訓(xùn)練樣本。首先在網(wǎng)絡(luò)中每個(gè)節(jié)點(diǎn)都利用自身數(shù)據(jù)建立類別弱分類器，然后通過分析各個(gè)節(jié)點(diǎn)中數(shù)據(jù)與本地?cái)?shù)據(jù)的語義關(guān)系