- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第 3 1 卷 第 9 期 计 算 机 学 报 Vol . 3 1 No . 9
2008 年 9 月 C H IN ESE J OU RN AL O F COM PU T ER S Sep t . 2008
基于图学习的自动图像标注
卢汉清 刘 静
( 中国科学院自动化研究所 北京 100 190)
摘 要 自动图像标注是图像检索任务中重要而具有挑战性的工作. 文中首先讨论并解释了自动图像标注问题 ,
通过总结现有的研究工作 ,提出了一种基于图学习的图像标注框架. 在该框架下 , 图像标注被分为两个阶段来完
成 ,即基本图像标注与图像标注改善. 其中 ,前者是通过以图像间相似性为依据的图学习过程来提供图像的初始标
注 ,而后者是通过以词汇间语义相关性为依据的图学习过程来改善前者取得的标注结果. 该框架主要涉及到图像
与文本词汇两种媒体的内部和相互之间的各种关系的估计问题. 基于此 ,作者又给出了针对上述各子问题的改进
方法 ,并将它们综合起来实现了有效的图像标注. 最后 ,通过 Corel 图像集与网络数据集上一系列实验结果 ,验证了
该模型框架及所提出解决方案的有效性.
关键词 图像标注 ; 图学习; 图像相似性 ;词义相关性
中图法分类号 TP39 1
Image Annotation Based on Graph Learning
L U HanQing L IU J ing
( I ns t i t ute of A utom at ion , Chi nese A ca demy of S ciences , B eij i ng 100 190)
Abstract Image annot ation i s an import ant and challengin g t a sk in image ret rieval . Thi s p ap er
di scu sse s t he annot ation p roce ss t heoretically by reviewing so me relat ed wor k , and p rop o se s a
unified annot ation f ramewor k via grap h lear nin g . The f ramewor k include s t wo subp roce sse s ,
i . e . , ba sic image annot atio n an d annot ation refinement . In t he ba sic annot ation p roce ss , t he im
age ba sed grap h lear ning i s utilized to obt ain t he candidat e annot ation s. In t he annot ation refine
ment p roce ss , t he wor dba sed grap h lear ning i s u sed to refine t ho se candidat e annot ation s f ro m
t he p rior p roce ss. Thi s p ap er al so p ro
文档评论(0)