图像检索中查询困难度预测及其应用.pdfVIP

ComputerEngineeringandApplications计算机工程与应用 初始结果的低维特征之间的平均欧式距离。 查询不执行相关反馈。 表2列出了初始的检索性能、对所有查询都执行 4实验结果 相关反馈后的性能以及选择性相关反馈之后的性 我们在牛津的建筑物数据库旧上进行实验。牛津 能。在本文实验中用平均精确度(mAP)来衡量性 数据库包括了11个牛津大学的著名建筑物的5063 能。从表2可以看出，对所有查询进行伪相关反馈获 幅图像，其中包括了55个查询图像以及标注过的它 得了一定的性能提升，然而当排除了最困难的5个查 们的相关图像。实验中的检索模型使用了经典的视 询之后，性能有了进一步的提升。这个结果证明了选 择性伪相关反馈的有效性，也证明了本文算法预测的 觉词袋模型和tgidf力l权方式。实验中用到的多视角 数据包括了3个视角，分别是全局特征、模拟生物特 查询困难度的准确性。 征用和词袋模型特征。 4．1查询困难度预测实验 按照文本检索领域的传统，对查询困难度预测算 法性能的衡量是通过比较预测的查询困难度与实际 5总结 的检索性能之间的相关性。即对一组查询，计算预测 本文提出了一种基于流形学习的图像查询困难 的难度与查询实际性能的相关系数，相关度越高，对 度预测方法。针对图像查询相比于文本查询的复杂 查询困难度的预测越准确。本文中采用了常用的斯 性，利用等距映射算法对图像的多视角数据进行降 皮尔曼相关系数p【8】。斯皮尔曼相关系数是依赖于排 维，并使用得到的低维特征计算查询的困难度。预测 序，而与实际值无关的一种相关性度量。同时将本文 得到的查询困难度可以用于指导随后的检索策略。 算法的性能与另外两种较为常用的文本查询困难度 实验结果证明了本文算法的有效性，而应用查询困难 预测算法(平均IDFt”和清晰度得分“1)进行了比较。 度的选择性伪相关反馈进一步提升了检索的性能。 表l列出了3种算法在牛津数据库上的实验结果。从 结果中可以看到平均IDF和清晰度得分算法在处理 参考文献： 图像查询时性能并不理想，币亍本文提出的算法取得了 W S，ZhouY，Croft 较好的预测。 【I】Cronen-Townsend B．Predictingque- ryperformance[C]／／SlGIR，2002． 表1斯皮尔曼相关系数比较0) 【2】Yom-TovE，FineS，CarmelD，et to esti- a1．Learning 算法平均IDF清晰度得分本文算法 mate to