本体与图融合lasso结合的图像属性学习分析-image attribute learning analysis based on ontology and graph fusion lasso.docx

目 录 第一章 绪论1 1.1 研究背景及意义1 1.2 研究内容3 1.3 全文安排4 第二章 相关工作及研究现状5 2.1 计算机视觉及图像标注5 2.2 属性学习研究现状6 2.3 稀疏特征选择研究现状7 2.4 融合本体的图像机器学习方法研究现状7 2.5 本章小结8 第三章 本体与图融合 lasso 结合的属性学习10 3.1 稀疏特征选择模型10 3.1.1 Lasso 和 Elastic net 10 3.1.2 组稀疏及结构性组稀疏选择11 3.1.3 图融合 lasso 12 3.1.4 基于稀疏的属性学习13 3.1.5 图融合 lasso 光滑近邻梯度方法求解 14 3.2 基于本体的度量空间及属性相似度度量15 3.2.1 WordNet 及其组织关系 15 3.2.2 基于 WordNet 相似度/相关度度量方法 15 3.2.3 基于 WUP 的属性相似关系图模型 17 3.2.4 基于 WUP 方法的图模型时间复杂度分析 20 3.3 本体与图融合 lasso 结合的特征选择算法 21 3.4 属性迁移学习整体框架22 3.4.1 属性的迁移学习23 3.4.2 属性迁移学习算法25 3.5 本章小结26 第四章 属性特征选择及迁移学习实验27 4.1 实验数据集27 4.1.1 ImageNet 及实验数据集结构 27 4.1.2 属性抽取29 4.2 视觉特征提取及样本集划分29 4.3 本体与图融合 lasso 结合的特征选择实验结果 30 4.3.1 AUC 值分析 31 4.3.2 实验结果及分析31 4.4 属性迁移学习实验结果32 4.4.1 度量准则32 4.4.2 分类结果分析33 4.5 实验讨论35 第五章 总结与展望36 5.1 工作总结36 5.2 未来展望36 参考文献37 发表论文和参加科研情况说明43 致谢44  第一章 绪论 1.1 研究背景及意义 随着大数据时代的到来，海量图像数据在互联网上涌现。据统计，人类大约 共拍摄了 35000 亿张照片，其中 4%的照片即大约 1400 亿张已由用户上传至 Facebook，所以 Facebook 已经成为世界上最大的图片库。另据统计，图片存储 网站 Photobucket 上有超过 80 亿张图片，Picasa 上有超过 70 亿张图片，而很流 行的图片分享网站 Flickr 上的图片数量也已经超过 50 亿张。海量的 Web 图像数 据也被研究者称为现实世界（real world）图像数据，这些图像数据视觉上变化多 端，语义上分散各异。大量的图像对于图像的理解和检索带来了巨大的挑战，同 时，受到计算机视觉和跨媒体领域专家的广泛关注，新的图像标注和分类技术也 应运而生。 在图像标注和识别领域，主要关注的是图像的类别，比如“牛”、“羊”、“狗” 等。但是实际上，图像除了类别之外还包含许多其他的特征。比如“汽车”是“红 色的”，“牛”是“有四条腿的动物”，“球”是“圆的”等等。这些特征对于描述 或理解图像十分的重要，被称之为“属性”。属性在韦伯斯特词典中被解释为 “ a quality which is considered as belonging to, or inherent in, a person or thing; an essential or necessary property or characteristic”，因此，属性是图像的一种固有 的、可描述的特征，属性是一种描述一个对象的特征或性质的量，其具体取值既 可以是离散值，也可以是连续值，属性通常具有明确的值[1]。基于属性的方法在 人脸验证[2]，图像检索[3, 4]，动作识别[5]，机器人学和手机交流[6]以及“零样本” 迁移学习等领域都取得了巨大的推动作用。 属性不同于如灰度值图像梯度方向方向直方图等这样的低维度特征，它是建 立在这些特征之上的一种对对象的中间级表示。属性与特征的区别在于：a) 它 们的描述能力不同: 各种属性描述可以相互组合，在描述能力上具有比低层特征 更强的灵活性和更高的描述效率，它不仅适合描述对象类别，而且适合描述具体 的对象，或者这个对象的特定图像，而且属性在描述对象方面非常经济，这是低 维度特征所做不到的；b) 推广能力不同: 不同的对象类别有许多公共属性，对这 些属性进行建模刻画有助于将以往学习到的关于某种属性的知识迁移到新的对 象或类别上，从而减少对训练数据的需求，这类似迁移学习而迁移低层的外观特 征则不如属性来得方便；c) 通常属性特征在语义级描述对象，从而有利于人类  知识的继承，有利于人机交互，比如可以用长期以来人们约定的描述某种对象的 方式来定义属