資源描述：
《圖像語義自動(dòng)標(biāo)注方法的研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、碩士論文圖像語義自動(dòng)標(biāo)注方法的研究摘要IIIMMUlnlUlIHIHIIIY2275984數(shù)碼相機(jī)、拍照手機(jī)等有成像功能的數(shù)碼產(chǎn)品的普及導(dǎo)致圖像的獲取越來越容易，同時(shí)，計(jì)算機(jī)網(wǎng)絡(luò)的普及、微博的流行以及Flickr等圖像共享社區(qū)的成熟，使圖像數(shù)據(jù)的傳播越來越容易，這兩點(diǎn)最終導(dǎo)致了圖像數(shù)據(jù)的爆炸式增長(zhǎng)，這就要求與之適應(yīng)的圖像數(shù)據(jù)的管理和理解能力。圖像語義自動(dòng)標(biāo)注技術(shù)就是圖像數(shù)據(jù)管理和理解的有效手段。本文在介紹了圖像語義自動(dòng)標(biāo)注的一些基礎(chǔ)知識(shí)和相關(guān)工作之后，主要圍繞圖像標(biāo)注如何縮減語義鴻溝、提升標(biāo)注效果和提高標(biāo)注效率開展研究。主要研究工作及創(chuàng)新如下：(1)深入研究了
2、圖像自動(dòng)標(biāo)注方法中的跨媒體相關(guān)模型(CrossMediaRelevanceModel’CMRM)，在它的基礎(chǔ)上作了一定的改進(jìn)：1)CMRM算法中，圖像僅使用一種基于圖像分割技術(shù)的blob表達(dá)，為了避開在自動(dòng)標(biāo)注過程中使用圖像分割技術(shù)，以及表達(dá)圖像不同方面的信息，我們使用了其他兩種圖像表達(dá)方式(基于圖像的柵格化劃分和圖像的顯著點(diǎn)檢測(cè))來共同表達(dá)圖像：2)考慮標(biāo)注詞與標(biāo)注詞之問的共現(xiàn)關(guān)系，稱這種共現(xiàn)關(guān)系為文本主題，使用標(biāo)注詞的多項(xiàng)式分布來描述文本主題，在圖像標(biāo)注過程中，聯(lián)合不同文本主題下標(biāo)注詞的概率來標(biāo)注測(cè)試圖像，通過實(shí)驗(yàn)證明了這種改進(jìn)提高了標(biāo)注準(zhǔn)確度。(2)提出
3、了一種融合支持向量機(jī)和多伯努利模型的分層圖像語義自動(dòng)標(biāo)注方法，該分層的圖像語義自動(dòng)標(biāo)注方法首先利用聚類算法對(duì)所有訓(xùn)練圖像進(jìn)行聚類，將視覺上相似的圖像聚為～類，每個(gè)聚類用SVM構(gòu)建一個(gè)分類器，然后對(duì)一幅待標(biāo)注圖像，用分類器給待標(biāo)注圖像加上類別標(biāo)簽，類別標(biāo)簽對(duì)應(yīng)的訓(xùn)練圖像集合作為待標(biāo)注圖像的相似圖像，作為MBRM模型的訓(xùn)練圖像，來給圖像作標(biāo)注。在研究該方法的過程中，為了使得后續(xù)的標(biāo)注結(jié)果更準(zhǔn)確，我們?cè)诰垲愡^程中，改進(jìn)了k均值聚類算法，考慮在聚類的每個(gè)類別中每維特征對(duì)該類別影響的不同，賦予不同的權(quán)值，最終提高聚類的準(zhǔn)確度。關(guān)鍵詞：圖像自動(dòng)標(biāo)注，跨媒體相關(guān)模型，支持向
4、量機(jī)，多伯努利模型，k均值聚類AbstractWiththepopularityofdigitalcalileraandotherdigitalimagingpmdmts，maagesaIecre如dinacheaperandeasier強(qiáng)nr℃r．Withthepopularityofcomputernetwork，microblog．a(chǎn)ndsoImi11[1agesharingwebsites，suchasPicasaandFlickr,thesetechnologiesacceleratethespreadofimages．Itisurgenttoadv
5、ancetheresearchofimagesSOthatthecapabilityofimgesrmmgeroentandunderstandingcouldkeepconsistentwiththeexplodingofmlages·A刪幻maticimageannotationisthecoretechniqueforimagermmgementandunderstanding．Inthispaper,ourresearchisfocusedonnarrowingdownthesemantlcgap，maprovmgt地aIlmtalionper南r瓶∞
6、eandefficiency．Themainworksandinnovativepointsareasfollows：(1)CrossmediarelevancemodelinautomaticimageanrDtationlSstudied,andiI】鄧∞VemeI吐aremadetothermdel：1)Inthealgorithm,onlyimagesegmentationbasedblobrepresentationsusedtorepresenttheimage，avoidingimagesegmentationduringt№a1Jtonnt記a
7、nnotationprocessandrepresentinformationfromdifferentaspectsofthetrnage，tworepresentationmethods(imagemsterizationbasedpartitionandpointsofsl掣l吐lCamede白ectionlarecombinedtorepresenttheimage。2)Co-occulTcrlcerelationsbetweenlabelwords棚[econsidered，therelatioI塔arecalledthesubjectmatter．
8、Multinomialdistribu
