基于弱监督的图像区域自动标注算法研究-计算机科学与技术专业论文.docxVIP

山东大学硕士学位论文4．1判别语义图的构建 山东大学硕士学位论文 4．1判别语义图的构建 ．．27 4．2判别式标签传播 ．3 1 4．3标签推断分配 ．．32 4．4本章小结 ．33 第五章实验与分析 35 5．1数据集合实验设置 。35 5．2评测标准分析 ．36 5．3标注结果 ．36 5．4时间复杂度分析 ．38 5．5本章小结 ．38 第六章结论与展望 39 6．1结论 39 6．2展望 40 参考文献 一 致谢 攻读学位期间发表的学术论文目录 ． 攻读学位期间参加的科研项目 ．46 万方数据 山东大学硕士学位论文CoNTENTS 山东大学硕士学位论文 CoNTENTS Chinese Absl}ract ”l EngⅡsh Abstract ·II Chapter 1 IⅡtroduction ··1 1．1 Research Bac|【毋．ound 。1 1．2 I沁lated Wbrk 2 1．3 Our Methods 3 Chapter 2 Extraction and Representation of Image IkgioⅡs ·6 2．1 Ex衄ction arld Repre∞ntation ofIInage Re西or塔 ．6 2．1．1 SLIC Se肿er咖ion ．6 2．1．2 Image Segmentation BaSed 0n Spc曲出CLustering 9 2．2 R印resentation ofhnage Regions ．12 2．2．1 Coloe Histo鲫n 12 2．2．2 BOVW 13 2．3 Summary ．．15 Chapter 3 ReIated Methods about Weakly SuperVised Image Region Annota60n 16 3．1 Notations ．．16 3．2 Wea“y SupeⅣised CollectiVe IIIlage R-egion触ta舶n 18 3．2．1 KNN Contextual Search 19 3．2．2 Spars埘Coding Contextual Seanm 20 3．3 Label Propagation via Gr印h 22 3．3．1 RaJldomⅥ勺LlkS 23 3．3．2 Spectral CluStedllg ．． 一24 3．5 Summarv ．．26 Chapter 4 DiscriminatiVeb Semantic Gmph ” ．．27 4．1CoIlstruction ofDiscdminatively Sem趾tic Graph ．27 4．2 DiscrjmjnatiVe Ldbel Propagation ．．31 i．i 万方数据 一些查奎堂堡主兰垡堡茎——4-3 一些查奎堂堡主兰垡堡茎—— 4-3 LabeI I疵rence ·32 4．4 SummaD， ··33 chapter 5 Experiment and Analysis 35 5．1 Dal罄et and Expement Setting 35 5．2 Evaluation Metric 36 5．3 ResIllt ·36 5．4 Time Complex时Analysis 38 5．5 Summa巧 38 Chapt盯6 Conch璐ioⅡ姐d F劬咀№Wbrk ·39 5．1 Conclusion ．．39 5．2 F1Itllre Wrork 40 Refe瑚ce ”41 PubIicatioⅡdu—ng Master S加dy ” 45 List of att蚰ded PI叫ects ·46 万方数据 山东大学硕士学位论文摘要 山东大学硕士学位论文 摘要 在本文中，我们关注一个挑战性的问题——基于弱监督的图像区域标注，即在 数据集中只有图像层标签这种弱监督信息可以使用。图像区域标注在计算机视觉 以及图像信息检索领域中有广阔的应用场景，并且能够在一定程度上打破高层语义 和在计算机中图像的低层像素表示之间的语义鸿沟。 传统的图像区域标注问题需要大量的带有区域标签的数据，但是标注这些数据 是非常耗时耗力的。图像层的标签，对于图像区域标注这较为细粒度任务具有非常 的不确定性，但是图像层标签非常容易获得。各种互联网数据的爆炸式产生也为弱 监督问题提供了大量的初始数据。弱监督图像区域标注目前仅有较少的研究工作， 本文主要有以下贡献： 一、对弱监督学习的解决方法进行了完整的综合性介绍。在弱监督学习过程中， 由于数据具有不确定性，通常情况下，需要借助上下文的信息来降低样本标签的 不确定性，我们称为协同标注。我们首先介绍了l心m和稀疏编码两种方式来寻找 目标的上下文信息