MTRF融合空间信息的主题模型.pdfVIP

JournalofComputerApplications ISSN 1o01．908l 2015．10．10 计算机应用，2015，35(10)：2715—2720，2732 CODEN JYIIDU http：／／www．joca．en 文章编号：1001-9081(2015)10—2715—06 doi：10．11772／j．issn．1001-9081．2015．10．2715 MTRF：融合空间信息的主题模型 潘智勇 ，刘 扬 ，刘国军 ，郭茂祖 ，李 盼 (1．哈尔滨工业大学 计算机科学与技术学院，哈尔滨 150001； 2．北华大学信息技术与传媒学院，吉林 吉林 132013) ( 通信作者电子邮箱maozuguo@hit．edu．cn) 摘 要：针对主题模型中词；r-独立性和主题独立性假设忽略 了视觉词汇间空间关系的问题 ，提 出了一种融合 了 视觉词汇空间信息的主题模型，称为马尔可夫主题随机场(MTRF)，并且提 出了主题在图像处理中的表现形式为对象 的组成部件。根据相邻视觉词；r-以很大概率产生于同一主题的特点，该算法在产生主题的过程中，通过视觉词汇间 是否产生于同一主题，来判断主题产生于马尔可夫随机场(MRF)，还是产生于多项式分布。同时，从理论和实验两方 面论证了主题并非对象的实例，而是以中层特征的形式表达对象的各个组成部件。与隐狄利克雷分配 (LDA)相比， MTRF在Caltechl01上的平均准确率提高了3．91％；在 VOC2007数据集上的平均精度均值 (mAP)提高了2．03％；此 外，MTRF更准确地为视觉词汇分配了主题 ，能产生更有效表达对象的组成部件的中层特征。实验结果表 明，MTRF 有效地利用了空间信息，提高了模型的准确率。 关键词：主题模型；隐狄利克雷分配模型；马尔可夫随机场；空间关系；中层特征；图像分类 中图分类号：TP181；TP391 文献标志码：A MTRF：atopicmodelwith spatialinformation PANZhiyongI1，LIUYang，LIUGuojun，GUOMaozu ，LIPan (1．SchoolofComputerScienceandTechnology,HarbinInstituteofTechnology,HarbinHeilongjiang150001，China； 2．CollegeofInformationTechnologyandMedia，BeihuaUniversity,JilinJilin132013，China) Abstract：Toovercomethelimitationoftheassumptionsoftopicmodel— wordindependenceandtopicindependence．a topicmodelwhich inosculatedthe spatialrelationship ofvisual wordswasproposed，namely MarkovTopicRandom Field (MTRF)．Inaddition，itwasdiscussedthatthe”topic”oftopicmodelrepresentedthepartofobjectinimageprocessing． Thereisahigh probabilityoftheneighborvisualwordsgeneratedfrom thesametopic，andwhetherthevisualwordswere generatedfrom thesametopicdeterminedthetopicwasgeneratedrfom MarkovRandom Field(MRF)ormuhinomial distributionoftopi