基于半监督学习模型的自动图片标注研究.pdfVIP

第3O卷 第6期 南 京 邮 电 大 学 学 报 ( 自 然 科 学 版 J Vo1．30 No．6 2010年 12月 JournalofNanjingUniversityofPostsandTelecommunications(NaturalScience) Dec． 2010 基-YJ--—半t__监督学习模型的自动图片标注研究 朱松豪，梁志伟 (南京邮电大学 自动化学院，江苏 南京 210046) 摘 要：基于关键字的自动图片标注方法，可以更为有效地 实现海量图片的管理和检索。然而由于 “语义鸿沟”问 题 ，传统的 自动图片标注效果往往并不理想。因此，对不精确的标注结果进行优化就显得尤为重要。文中提出一 种新颖的图片标注方法。首先，利用基于相关性模型的递进算法得到图片的初始标注结果。然后 ，利用一种半监 督的学习模型，也即随机游动与重新启动算法对得到的初始标注结果进行优化，并选择一定数量的顶端标注作为 图片最终的标注。通过在通用c0rel图片数据库的实验表 明，文 中提 出的方案可以有效地提高图片自动标注的 性 能。 关键词：图片标注；基于相关性的渐进模型；半监督的学习模型；随机游动与重启动算法；图片检索 中图分类号：TP391 文献标识码：A 文章编号：1673—5439(2010)06-0085-04 AutomaticImageAnnotationBased on Semi-SupervisedLearningModel ZHU Song-hao，LIANG Zhi-wei (CollegeofAutomation，NanjingUniversityofPostsandrrelecommunicati0ns，Nanjing210046，China) Abstract：Automaticimageannotationviakeywordsisaeffectivewaytomanageandretrieveimages． However，system performancesofexisting state-o~the—artmethodsareoften notSO satisfactory forthe problem ofsemanticgap．Inthispaper，anovelapproachisproposed．Thecandidateannotationsforaque— ry imagearefirstobtainedviaarelevance—basedprogressivealgorithm．Then，asemi-supervisedlearning model，fastrandom walkwithrestartalgorithm，isutilizedtore—rankthecandidateannotationsandthetop onesarereservedasthefinalannotations．ExperimentsconductedonthetypicalCoreldatasetshowsthat theproposedschemecaneffectivelyimprovetheautomaticannotationperfomr ance． Keywords：imageannotation；relevance—basedprogressivemodel；semi—supervisedlearningmodel；ran— dom walkandrestartalgorithm；imageretrieval 0 引 言 近 10年来，基于内容的自动图片标注得到了研 究者的普遍关注，出现了一系列基于 内容的自动图 随着多媒体数据的迅速增长，基于内容的图片 片标注方法。自动 图片标注的方 向分为两类，其 中 检索 (Content—Base