資源描述:
《基于圖學(xué)習(xí)的自動(dòng)圖像標(biāo)注》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在教育資源-天天文庫(kù)。
1、第31卷第9期計(jì)算機(jī)學(xué)報(bào)Vol.31No.92008年9月CHINESEJOURNALOFCOMPUTERSSept.2008基于圖學(xué)習(xí)的自動(dòng)圖像標(biāo)注盧漢清劉靜(中國(guó)科學(xué)院自動(dòng)化研究所北京100190)摘要自動(dòng)圖像標(biāo)注是圖像檢索任務(wù)中重要而具有挑戰(zhàn)性的工作.文中首先討論并解釋了自動(dòng)圖像標(biāo)注問題,通過總結(jié)現(xiàn)有的研究工作,提出了一種基于圖學(xué)習(xí)的圖像標(biāo)注框架.在該框架下,圖像標(biāo)注被分為兩個(gè)階段來(lái)完成,即基本圖像標(biāo)注與圖像標(biāo)注改善.其中,前者是通過以圖像間相似性為依據(jù)的圖學(xué)習(xí)過程來(lái)提供圖像的初始標(biāo)注,而后者是通過
2、以詞匯間語(yǔ)義相關(guān)性為依據(jù)的圖學(xué)習(xí)過程來(lái)改善前者取得的標(biāo)注結(jié)果.該框架主要涉及到圖像與文本詞匯兩種媒體的內(nèi)部和相互之間的各種關(guān)系的估計(jì)問題.基于此,作者又給出了針對(duì)上述各子問題的改進(jìn)方法,并將它們綜合起來(lái)實(shí)現(xiàn)了有效的圖像標(biāo)注.最后,通過Corel圖像集與網(wǎng)絡(luò)數(shù)據(jù)集上一系列實(shí)驗(yàn)結(jié)果,驗(yàn)證了該模型框架及所提出解決方案的有效性.關(guān)鍵詞圖像標(biāo)注;圖學(xué)習(xí);圖像相似性;詞義相關(guān)性中圖法分類號(hào)TP391ImageAnnotationBasedonGraphLearningLUHan2QingLIUJing(Institu
3、teofAutomation,ChineseAcademyofSciences,Beijing100190)AbstractImageannotationisanimportantandchallengingtaskinimageretrieval.Thispaperdiscussestheannotationprocesstheoreticallybyreviewingsomerelatedwork,andproposesaunifiedannotationframeworkviagraphlearni
4、ng.Theframeworkincludestwosub2processes,i.e.,basicimageannotationandannotationrefinement.Inthebasicannotationprocess,theim2age2basedgraphlearningisutilizedtoobtainthecandidateannotations.Intheannotationrefine2mentprocess,theword2basedgraphlearningisusedto
5、refinethosecandidateannotationsfromthepriorprocess.Thispaperalsoproposessomeimprovementsonsub2problemsinvolvedintheframeworkandexpecttheircombinationtoenhancetheoverallperformance.Finally,experi2mentsconductedontheCoreldatasetandWebimagedatasetdemonstrate
6、theeffectivenessoftheunifiedframeworkandtheproposedimprovements.Keywordsimageannotation;graphlearning;imagesimilarity;wordcorrelation術(shù)應(yīng)運(yùn)而生,并且受到了廣泛關(guān)注.1引言現(xiàn)有的圖像檢索方式主要分為兩種:基于內(nèi)容的圖像檢索(Content2BasedImageRetrieval,CBIR)和隨著數(shù)字影像技術(shù)與互聯(lián)網(wǎng)技術(shù)的迅速發(fā)展,基于文本的圖像檢索(Text2BasedIma
7、geRetrieval,用戶可以輕松地獲取大量網(wǎng)絡(luò)圖像.為了有效地組TBIR).通常,CBIR要求用戶提交一幅圖像或簡(jiǎn)圖織、查詢與瀏覽如此大規(guī)模的圖像資源,圖像檢索技作為查詢,采用圖像的視覺特征(如顏色、紋理和形收稿日期:2008207211.本課題得到國(guó)家自然科學(xué)基金(60723005)、國(guó)家“八六三”高技術(shù)研究發(fā)展計(jì)劃項(xiàng)目基金(2006AA01Z315)資助.盧漢清,男,1961年生,博士,研究員,博士生導(dǎo)師,主要研究領(lǐng)域?yàn)槎嗝襟w信息的分析與理解、醫(yī)學(xué)信息處理、模式識(shí)別和計(jì)算機(jī)視覺.劉靜,女,1979
8、年生,博士研究生,助理研究員,主要研究方向?yàn)槎嗝襟w信息的內(nèi)容分析與檢索、模式識(shí)別與機(jī)器學(xué)習(xí)方面的理論研究.1630計(jì)算機(jī)學(xué)報(bào)2008年?duì)畹?建立索引,然后根據(jù)圖像與查詢間的視覺相似性度量來(lái)實(shí)現(xiàn)檢索.由于底層視覺特征與高層語(yǔ)義2框架的提出與分析概念之間“語(yǔ)義鴻溝(semanticgap)”的存在,CRIR的檢索性能難以令人滿意.而對(duì)TBIR來(lái)說,它要求2.1圖像標(biāo)注問題的分析用戶提交文本作為查詢,對(duì)圖像需要事先建立文本圖像標(biāo)注的