基于主动学习相关反馈算法探究.docVIP

基于主动学习相关反馈算法探究 　　摘要：相关反馈（reference feedback）是信息检索领域中一种常用技术，近年来，该技术被广泛应用与基于内容的图像检索（CBIR）领域中，旨在通过用户与图像检索系统间的交互过程，克服图像底层特征与高层语义之间的语义鸿沟问题。本文将主动学习算法结合到相关反馈技术当中，其目的是利用主动学习算法，从无标记图像集中选择最具有信息化的部分图像作为反馈图像，减少用户与系统之间的反馈次数。在COREL图像库和VOC图像库上，对基于主动学习的相关反馈技术进行实验验证，实验结果证明了，基于主动学习的相关反馈技术可以有效提高图像检索系统的性能。 关键词：基于内容图像检索；相关反馈；主动学习；样本选择 中图法分类号：TP391 文献标识号：A 文章编号：2095-2163（2013）04- Research on Reference Feedback based on Active Learning WU Weining， LIU Yang， GUO Maozu*， WANG Chunyu， LIU Xiaoyan （School of Computer Science and Technology， Harbin Institute of Technology， Harbin， 150001） Abstract： Reference feedback is a common technique in the field of information retrieval. Recently， it has been widely applied in the task of content-based image retrieval （CBIR） in order to overcome the gap between low features and high semantic concepts by utilizing the user-computer interaction. This paper combines the active learning into reference feedback technique. The goal is to choose the most informative images in the unlabeled pool as returned images by using the active learning， and then reduces the feedback times. On the COREL database and VOC database， the paper evaluates the proposed method. The experimental results indentify that the reference feedback based on active learning can effectively enhance the performance of CBIR system. Keywords： Content-based Image Retrieval； Reference Feedback； Active Learning； Sampling Strategy 0 引言 相对文本而言，图像包含的内容则要丰富得多。由于互联网的发展，web上的图片数量正日趋庞大，图像包含的语义信息亦千差万别，另外具有相同语义信息的图像数量页在与日俱增。因此，作为信息检索中一个重要分支，基于内容的图像检索（CBIR）已成为关注热点。 CBIR方法是以一幅图像作为单位，通过使用图像领域的前沿技术，提取图像的视觉特征，例如：颜色，纹理等。当用户查找图像时，搜索引擎根据用户所提供的图像视觉特征，寻找与之相似的图像。这一做法避免了TBIR策略存在的问题，可直接对图像进行操作。但是，由于图像处理技术的局限性，单纯提取图像底层特征很难完整描述图像包含语义信息，并且，图像所属的不同领域，所包含的视觉对象之间具有的空间信息等，也会对图像的语义信息产生很大的影响。为了使搜索引擎能够根据用户提供的高层语义概念返回与用户选择图像语义最为接近的图像，相关反馈技术则提供了一种良好的实现途径。该技术是使得检索系统可根据算法选择少部分图像返回给用户，用户对这些图像给出标记信息，学习系统再从这些标记图像中进行知识学习，并利用这些新知识提供新的检索结果。 根据相关反馈过程的特点，主动学习技术可以有效地用于该过程。具体做法是通过采样算法选择对检索系统最有利的部分样例作为反馈图像