基于语义分类的文物图像标注研究.pdfVIP

  1. 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. 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. 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. 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. 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. 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. 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
基于语义分类的文物图像标注研究.pdf

维普资讯 第 l7卷 第 7期 计算 机 技 术 与发 展 VoI.t7 No.7 2(107年 7月 COM PUTER TECHN()1CKY AND DEVE1A)PMENT JU1. 2007 基于语义分类的文物图像标注研究 乔荣华 ,周明全,耿 国华 (西北大学 可视化技术研究所,陕西 西安 710127) 摘 要:由于图像数据中普遍存在的 “语义鸿沟”问题,传统的基于内容的图像检索技术对于数字图书馆中的图像检索往 往力不从心。而图像标注能有效地弥补语义的缺失。文中分析了图像语义标注的现状以及存在的问题,提 出了基于语义 分类的文物语义标注方法。算法首先通过构建一个Bayes语义分类器对待标注图像进行语义分类,进而通过在语义类 内 部建立基于统计的标注模型,实现了图像的语义标注。在针对文物图像进行标注的实验中,该方法获得了较好的标注准 确率和效率。 关键词:基于内容的图像检索;语义鸿沟;语义分类;语义标注;贝叶斯语义分类器 中图分类号:TP391.41 文献标识码:A 文章编号:1673~629X(2007)07—0200—04 ResearchonSemanticAnnotationtoCulturalRelicImages BasedonSemanticClassification QIAORong—hua,ZHOUMing—quan,GENGGuo-hua (InstituteofVisualizationTechnology,NdrthwestUniversity,Xi’an710127,China) Abstract:Becauseofthe “semanticgap”whichisoftenencountered intheimagedata,traditionalCBIR t~hndogycall’tdealwiththe problem ofimageretrievalindigitallibrariesscgnetlmes.Imageannotationc~trlcounterbalancesemanticLoss.Inthispapertheresearchsit— uetionoftheproblemsexistedinimagesemanticannotatoinisoverviewedAnimageannotationmethodbasedonthesemanticclassifica— tionisputforward.Thealgorithm classifyim~es whichretobeannoattde firsdybytheBayessemanticcla~ifierconstructed,thenthe semanticannotationtOtheimagesaregotbyestablishingastatisticalannoattionmodelwithinthoseesmanticclasses.Experimentalresults Oilalargecollectionofculturalrelicimageshaveshowntheeffectivenessandmbusmessofproposedalgorithms. Keywl}rds:content—basedimageretrieval;semnaticgap;esmna ticclassification;esmanticannotation;Bayessemanticclassifier O 引 言 在是当前CBIR系统还很难被用户广泛接受的主要原 随着多媒体数据量的迅速增长,有效的图像检索

文档评论(0)

docindpp + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档