检索结果-内蒙古大学图书馆

计算机研究与发展 2020年第11期57卷 2348-2374页

作者：马艳春刘永坚解庆熊盛武唐伶俐武汉理工大学计算机科学与技术学院武汉430070

图像自动标注技术是减少图像数据与内容之间"语义鸿沟"的其中一种最有效途径,对于帮助人类理解图像内容,从海量图像数据中检索感兴趣的信息具有重要现实意义.通过研究近20年公开发表的图像标注文献,总结了图像标注模型的一般... 详细信息

图像自动标注技术是减少图像数据与内容之间"语义鸿沟"的其中一种最有效途径,对于帮助人类理解图像内容,从海量图像数据中检索感兴趣的信息具有重要现实意义.通过研究近20年公开发表的图像标注文献,总结了图像标注模型的一般性框架;并通过该框架结合各种具体工作,分析出在图像标注研究过程中需要解决的一般性问题;将各种图像标注模型所采用的主要方法归为9种类型,分别为相关模型、隐Markov模型、主题模型、矩阵分解模型、近邻模型、基于支持向量机的模型、图模型、典型相关分析模型以及深度学习模型,并对每种类型的图像标注模型,按照"基本原理介绍—具体模型差异—模型总结"3个层面进行了研究与分析.此外,总结了图像标注模型常用的一些数据集、评测指标,对一些比较著名的标注模型的性能进行了比较,并据此对各种类型的标注模型做了优缺点分析.最后,提出了图像标注领域一些开放式问题和研究方向.

关键词：自动图像标注图像语义分析图像标识图像内容标签图像内容标注

来源：评论

学校读者我要写书评

暂无评论

基于距离约束稀疏/组稀疏编码的自动图像标注

引用

四川大学学报（工程科学版） 2016年第5期48卷 78-83页

作者：臧淼徐惠民张永梅北京邮电大学信息与通信工程学院北京100876 北方工业大学电子与信息工程学院北京100144 北方工业大学计算机学院北京100144

为解决图像自动标注中的语义鸿沟问题,有效选择并利用图像特征,提出基于距离约束稀疏/组稀疏编码(distance constraint sparse/group sparse coding,DCSC/DCGSC)的2种特征选择算法,并分别应用到图像自动标注任务中。考虑到不同特征基相... 详细信息

为解决图像自动标注中的语义鸿沟问题,有效选择并利用图像特征,提出基于距离约束稀疏/组稀疏编码(distance constraint sparse/group sparse coding,DCSC/DCGSC)的2种特征选择算法,并分别应用到图像自动标注任务中。考虑到不同特征基相似性对图像语义相似性的贡献不同,定义了度量二者相关性的距离约束正则项。将该正则项分别集成到稀疏/组稀疏编码的特征选择模型中,使选择的特征在保证稀疏性/组稀疏性的同时,优先选择与语义相似性描述最接近的视觉特征基。利用在训练图像集中学习的特征权值,寻找测试图像的K最近邻(Knearest neighbor,KNN)图像,并通过标签转移实现图像标注。在Corel5K图像库上测试标注性能,集成多特征的DCGSC查准率、查全率和标注正确的关键词个数可达32%、34%和151,优于其他相关标注算法。而对于单特征图像,使用DCSC也能改善标注性能。可见,距离约束对特征选择和图像标注是有效的。

关键词：自动图像标注距离约束稀疏编码组稀疏编码特征选择 K最近邻

来源：评论

学校读者我要写书评

暂无评论

自动图像标注技术研究进展

引用

计算机科学 2011年第7期38卷 35-40页

作者：鲍泓徐光美冯松鹤须德北京交通大学计算机与信息技术学院北京100044 北京联合大学信息学院北京100101

近年来,自动图像标注(Automatic Image Annotation,AIA)技术已经成为图像语义理解研究领域的热点。其基本思想是利用已标注图像集或其他可获得的信息自动学习语义概念空间与视觉特征空间的潜在关联或者映射关系,来预测未知图像的标注。... 详细信息

近年来,自动图像标注(Automatic Image Annotation,AIA)技术已经成为图像语义理解研究领域的热点。其基本思想是利用已标注图像集或其他可获得的信息自动学习语义概念空间与视觉特征空间的潜在关联或者映射关系,来预测未知图像的标注。随着机器学习理论的不断发展,包括相关模型、分类器模型等不同的学习模型已经被广泛地应用于自动图像标注研究领域。现有的自动图像标注算法可以大致分为基于分类的标注算法、基于概率关联模型的标注算法以及基于图学习的标注算法等三大类。首先根据自动图像标注算法的特征提取及表示机制不同,将现有算法划分为基于全局特征和基于区域划分的自动图像标注方法。其次,在基于区域划分的自动图像标注算法中,按照学习算法的不同,将其划分为基于分类的标注方法、基于概率关联模型的标注方法以及基于图学习的标注方法,并分别介绍各类别中具有代表性的标注算法及其优缺点。然后给出了自动图像标注最新的研究进展,最后探讨自动图像标注的进一步研究方向。

关键词：自动图像标注多示例学习多标记学习图学习概率建模

来源：评论

学校读者我要写书评

暂无评论

利用深度玻尔兹曼机与典型相关分析的自动图像标注算法

引用

西安交通大学学报 2015年第6期49卷 33-38页

作者：刘凯张立民孙永威林雪原海军航空工程学院信息融合研究所山东烟台264001

提出一种基于深度玻尔兹曼机与典型相关分析的自动图像标注算法(DBM-CCA)。该算法利用深度玻尔兹曼机实现图像与文本的低层次特征向稀疏高层次抽象概念的转变,并通过典型相关分析建立子空间映射关系以实现标注词汇的生成。首先在深度玻... 详细信息

提出一种基于深度玻尔兹曼机与典型相关分析的自动图像标注算法(DBM-CCA)。该算法利用深度玻尔兹曼机实现图像与文本的低层次特征向稀疏高层次抽象概念的转变,并通过典型相关分析建立子空间映射关系以实现标注词汇的生成。首先在深度玻尔兹曼机提取图像与文本高层特征过程中,选用伯努利分布和高斯分布分别拟合标注词汇和图像特征,然后在图像与标注词汇高层特征形成的典型变量空间内计算待标注图像与训练集图像的马氏距离并据此加权计算得到高层标注词汇特征,最后由平均场估计生成图像标注词汇。实验结果表明,所提算法对图像的标注准确率改善较好,与经典的基于监督的多类标签方法和多重伯努利相关模型相比,在Corel5K实验中平均查准率和查全查准均率分别提高了10%和5%。

关键词：自动图像标注深度学习深度玻尔兹曼机典型相关分析

来源：评论

学校读者我要写书评

暂无评论

基于集成分类算法的自动图像标注

引用

自动化学报 2012年第8期38卷 1257-1262页

作者：蒋黎星侯进西南交通大学信息科学与技术学院成都610031

基于语义的图像检索技术中,按照图像的语义进行自动标注是一个具有挑战性的工作.本文把图像的自动标注过程转化为图像分类的过程,通过有监督学习对每个图像区域分类并得到相应关键字,实现标注.采用一种快速随机森林(Fast random forest,... 详细信息

基于语义的图像检索技术中,按照图像的语义进行自动标注是一个具有挑战性的工作.本文把图像的自动标注过程转化为图像分类的过程,通过有监督学习对每个图像区域分类并得到相应关键字,实现标注.采用一种快速随机森林(Fast random forest,FRF)集成分类算法,它可以对大量的训练数据进行有效的分类和标注.在基于Corel数据集的实验中,相比经典算法,FRF改善了运算速度,并且分类精度保持稳定.在图像标注方面有很好的应用.

关键词：自动图像标注机器学习集成分类器快速随机森林算法

来源：评论

学校读者我要写书评

暂无评论

自动图像标注的关键技术研究

自动图像标注的关键技术研究

引用

作者：王科平北京邮电大学

学位级别：博士

随着数字化影像设备和网络技术的飞速发展，图像数据资源不断扩大，越来越丰富，这给图像检索和浏览带来了巨大的挑战。为了能从不同类型的图像数据集中准确、快速地找到用户所需要的图像，建立有效的图像检索系统已经成为亟待研究解决... 详细信息

随着数字化影像设备和网络技术的飞速发展，图像数据资源不断扩大，越来越丰富，这给图像检索和浏览带来了巨大的挑战。为了能从不同类型的图像数据集中准确、快速地找到用户所需要的图像，建立有效的图像检索系统已经成为亟待研究解决的问题。其中，自动图像标注技术是解决这一问题的重要途径，引起了研究者们极大的关注。一方面，经过研究人员的不断努力，自动图像标注技术已经取得了显著的进步和发展，另一方面，由于图像低层视觉特征和图像包含的语义之间存在的“语义鸿沟”问题，使得已有自动图像标注技术的性能与人们的期望还存在着一定的差距。\n 自动图像标注技术旨在根据图像的低层视觉特征，自动推断出图像所表达的语义，并用一个或多个语义关键词对图像语义进行描述。其中，图像特征选择、低层特征到高层语义之间映射模型的建立是自动图像标注技术的两个关键问题。本文主要针对自动图像标注技术中这两个关键问题展开研究，提出了一系列新颖的标注算法，期望通过对这些问题的研究来有效提高自动图像标注的性能。论文主要创新之处为：\n 1、提出了一种基于特征加权的自动图像标注方法。低层特征的选择与提取是图像标注的基础，一方面，所选择的图像特征应能代表各种不同的图像属性，利于不同类别图像之间的区分；另一方面，为了提高后续模型的计算效率，需要减少噪声特征、冗余特征。本文提出了一种基于特征加权的图像标注方法，该方法根据图像低层特征分布的离散程度来衡量特征相对于类别的重要性，增加相关度高的特征的权重，降低相关度低的特征权重，从而避免后续模型被弱相关或不相关的特征所支配。然后，在此基础上，将特征加权算法结合聚类算法应用于自动图像标注。本文所提的特征加权算法主要考察的是特征相对某个具体类别的重要程度，可以为每个类别选择出适合自身的特征权重。实验结果表明，基于特征加权的自动图像标注算法可以有效地提高图像标注的准确性。\n 2、提出了一种基于包层多示例学习的自动图像标注模型。低层特征到高层语义之间映射模型的建立是图像标注的核心技术，整个系统的准确性与建立的映射模型密切相关。对于多数已标注的图像数据集，图像标注词是关于整幅图像的，而并非关联图像中的具体区域，为了克服这个问题，提出了多示例框架下基于包层的自动图像标注模型。该模型将多示例图像标注问题转化为包层的单示例学习问题，采用标准的监督学习算法实现图像低层特征到语义类别的映射。具体做法是：根据具有相同视觉区域的样本都会聚集成一簇，采用聚类算法为每类图像确定其特有的“视觉词汇”，并由这些视觉词汇构造一个新的空间--包空间；然后利用基于视觉词汇定义的非线性函数将多个示例描述的图像映射到包空间的一个点，变为单示例描述；最后利用支持向量机进行学习。通过这种方法，可以有效将多示例学习问题转化为适合采用标准监督学习处理的问题。在Corel图像数据集上的实验结果表明，该算法可以有效地提高图像标注的性能。\n 3、提出了一种基于多示例多标记学习的自动图像标注框架。在已有的标注模型的研究中，利用多示例学习方法来解决图像标注问题往往只考虑单一语义概念的学习，而图像标注本质上是多语义概念标记学习问题；另外，在多示例图像标注过程中通常并不考虑语义概念间存在的相关特性，而语义概念之间的相关性常常是消除标注歧义的有效方法。针对上述问题，提出了一种新颖有效的多示例多语义标记学习的图像标注算法。该算法首先提出一种改进的多样性密度求解方法，结合贝叶斯分类模型为图像学习多语义标注。然后，充分利用语义概念之间存在的相关性，来改善由低层特征相似而造成的语义标注歧义性问题。在Corel图像数据集上的实验证明，该算法不仅有效地提高了标注精度，而且能较好地提高标注效率。

关键词：自动图像标注特征选择映射模型多示例学习多标记学习

来源：评论

学校读者我要写书评

暂无评论

自动图像标注中基于局部泛化误差模型的特征权重研究

自动图像标注中基于局部泛化误差模型的特征权重研究

引用

作者：王前程华南理工大学

学位级别：硕士

随着数码相机、移动拍照等数字化设备的快速发展,图像数据信息呈现指数级增长。图像管理成为了研究者面临的一项非常有挑战性的工作。为了更好的适应人们的需求,与图像相关的检索和分类技术成为当前研究的热点。在图像检索的直接驱动下... 详细信息

随着数码相机、移动拍照等数字化设备的快速发展,图像数据信息呈现指数级增长。图像管理成为了研究者面临的一项非常有挑战性的工作。为了更好的适应人们的需求,与图像相关的检索和分类技术成为当前研究的热点。在图像检索的直接驱动下产生了图像标注技术。图像标注是根据图像的相关信息描述成一系列表述图像的标题、关键字等。目前有三种类型的图像标注方法,包括人工标注,半自动标注和自动标注。自动图像标注的研究具有非常重要的现实意义。自动图像标注的方法有很多种,本文研究的重点是基于分类模型的自动图像标注,将自动标注问题转化为机器学习中的分类问题。自动图像标注过程中,图像特征对自动图像标注性能的好坏有着巨大的影响,如何选择一个全面的、好的特征集合成为研究的一个重点。特征融合和特征优化是本文在特征层次上研究的两个方面。SIFT局部特征点可以很好的描述图像中有代表性的点,本文使用了一种新的特征点描述方法,并将其与MPEG-7标准中的全局颜色和纹理特征相结合进行自动图像标注,从而提高自动图像标注的性能。然而,特征在分类中的作用并不相同,一些特征对分类产生正面影响,一些特征对分类产生负面影响,一些特征则是冗余的,因此有必要对特征进行优化。特征权重是机器学习中特征优化的一种方法。本文根据L-GEM提出了一种新的特征权重方法,将其命名为RSMFW。该方法增强了好的特征的影响,减小了差的特征的影响,提高了自动图像标注的准确率。本文还将RSMFW与RELIEF和I-RELIEF方法进行对比,在自动图像标注中RSMFW显示出了较好的性能。此外,本文还研究了数据缩放对自动图像标注性能的影响最后,本文总结了所取得的研究成果以及不足之处,并对今后的研究内容及工作进行了展望。。

关键词：自动图像标注特征权重 MPEG-7 局部特征点局部泛化误差模型径向基函数神经网络

来源：评论

学校读者我要写书评

暂无评论

基于语义学习的自动图像标注技术研究述评

引用

情报学报 2013年第10期32卷 1112-1120页

作者：张志武阚德涛南京邮电大学图书馆

自动图像标注技术是图像检索技术的最新发展，已经成为机器学习、图像语义理解和信息检索研究领域的热点。本文对自动图像标注目前国内外的研究概貌进行了分析，按照自动图像标注中的关键要点——语义学习的不同，将现有文献中的自动图... 详细信息

自动图像标注技术是图像检索技术的最新发展，已经成为机器学习、图像语义理解和信息检索研究领域的热点。本文对自动图像标注目前国内外的研究概貌进行了分析，按照自动图像标注中的关键要点——语义学习的不同，将现有文献中的自动图像标注技术分为三个类别，并对这三个类别分别进行描述，同时总结了自动图像标注派生出的两个新的研究方向。最后对目前研究中存在的问题进行了讨论，并探讨了自动图像标注领域的进一步研究方向。

关键词：自动图像标注图像检索语义鸿沟语义学习

来源：评论

学校读者我要写书评

暂无评论

基于社群隐含主题挖掘和多社群信息融合的自动图像标注

引用

中国图象图形学报 2010年第6期15卷 944-950页

作者：陈烨邵健朱科浙江大学计算机科学与技术学院杭州310027

在Flickr图像共享网站上,大量无标签或者缺少标签的图像往往会因为标签信息的不完整,以致无法被有效地利用和检索。为了有效地进行图像检索,从Flickr用户经常会根据上传图像所隐含的主题而将其推荐到多个相关社群的特点出发,提出了一种... 详细信息

在Flickr图像共享网站上,大量无标签或者缺少标签的图像往往会因为标签信息的不完整,以致无法被有效地利用和检索。为了有效地进行图像检索,从Flickr用户经常会根据上传图像所隐含的主题而将其推荐到多个相关社群的特点出发,提出了一种新颖的基于社群隐含主题挖掘和多社群信息融合的自动图像标注算法。与传统的自动图像标注方法不同,该算法首先采用隐Dirichlet分配模型(latent Dirichlet allocation,LDA)对单个社群里的隐含主题(topic)进行挖掘,并利用隐含主题对由相似图像标签传播产生的初始"噪音"标签进行过滤;然后对同属于多个社群的图像,通过多社群信息融合来生成最终标注结果。实验结果显示了该新算法的有效性。

关键词：自动图像标注社群潜在主题挖掘隐Dirichlet分配模型多社群信息融合

来源：评论

学校读者我要写书评

暂无评论

基于高斯混合模型的自动图像标注方法

引用

计算机应用 2010年第11期30卷 2986-2987,2997页

作者：陈娜石家庄铁路运输学校石家庄050021

为了进一步完善自动图像标注方法,提出基于高斯混合模型的自动图像标注方法。该方法通过建立每个关键词唯一的高斯混合模型(GMM),准确地描述关键词的语义内容,进而提高自动图像标注的精确性。最后,通过采用COREL图像数据集与不同方法的... 详细信息

为了进一步完善自动图像标注方法,提出基于高斯混合模型的自动图像标注方法。该方法通过建立每个关键词唯一的高斯混合模型(GMM),准确地描述关键词的语义内容,进而提高自动图像标注的精确性。最后,通过采用COREL图像数据集与不同方法的比较,从平均查准率、平均查全率的实验结果验证了该方法的有效性。

关键词：高斯混合模型自动图像标注机器翻译语义鸿沟聚类

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：