一种基于随机游走模型的融合视觉单词共现性的软分配词袋技术.pdfVIP

碍 { 茜 ／ 文章编号：1007—1423(2015)02—0015—03 OOI：10．39690．issn．1007—1423．2015．02．004 一 种基于随机游走模型的融合视觉单词共现性的软分配词袋技术 张晋 (四川大学计算机学 院，成都 610065) 摘要 ： 提取局部兴趣点并通过词袋技术表征图片．是进行图片检索的一种经典方案。在传统的词袋技术中，每一个局部兴趣 点的分配都是相互独立的．而没有考虑相邻局部兴趣点分配的相互影响。这样可能会导致某些局部兴趣点不可靠的 分配，从而降低图片检索的精确度 。通过统计视觉单词的共现性 ．可以学习到一些有价值的先验知识；同时利用随机 游走模型．将视觉单词的共现性融合到传统的软分配词袋技术中，从整体上减少局部兴趣点不可靠的分配 ，进而提升 图片检索的精确度 关键词 ： 局部兴趣点；视觉单词；词袋技术；共现性；随机游走模型 0 引言 1 统计视觉单词之间的共现性 如何高效准确地实现 以图搜 图，是近年来学术界 1．1什么是视觉单词的共现性 和工业界的一个热点研究问问题 一个经典的技术方 在讨论具体融合方法之前．我们会详细说明什么 案是 ：使用 SIFF算子提取并描述 图片 中的局部兴趣 是视觉单词之间的共现性．以及如何统计视觉单词之 点．通过聚类算法学习一个包含一定数量视觉单词的 间的共现性 词典．计算图片中局部兴趣点在该词典上的词频分布． 在文本 中．“中华”“人民”以及 “共和国”3个词频 用于表征该图片。其中，词频分布的计算就涉及到软分 繁出现。我们相信 ，如果文本中当前的2个单词依次是 配词袋技术 ，其大致思想如下：一个局部兴趣点分配给 “中华”和 “人民”．那么下一个词是 “共和国”的概率一 词典中和该局部兴趣点距离最近的K个单词．而不仅 定远大于是 “蛋糕 ”或 “屏幕 ”的概率 视觉单词之间同 仅是分配给和该点距离最近的 1个单词．这样可以减 样存在类似的共现性规律 在字典学习过程中．训练集 少分配中可能存在的误差 中每一个局部兴趣点都会被标记为某个视觉单词：如 在传统的软分配词袋技术中．相邻局部兴趣点的 果在单词 a一定范围内．单词b频繁地出现．那么单词 分配是相互独立的．而没有考虑相邻局部兴趣点分配 a和单词b就具有 比较高的共现性：反之同理 结果的相互影响 ．可能会导致不可靠的分配进而降低 1．2 统计视觉单词之间的共现性 检索模型的精确度。事实上 ．词典中单词之间往往存在 给定一个训练图片集．我们使用 SIFT算子提取并 一 些统计规律，如两个单词共同出现的频率 本文利用 描述图片中的局部兴趣点 ．这样就得到了一个规模庞 随机游走模型．通过考虑相邻局部兴趣点的分配结果 大的局部兴趣点集合 我们使用K—means算法对该集 的相互影响．将上述统计规律融合到传统的软分配方 合进行聚类．形成了K个单词的视觉词典。这样训练集 案中去 ，借以减少不可靠的分配进而提升图片检索的 中每一张图片的每一个局部兴趣点就可 以被标记为某 精确度 个视觉单词。我们这样定义2个视觉单词共同出现：对 于某个单词 a．如果单词b出现在 以a为圆心以某个阈 现代计算机 2015．01中@