基于機器學習的圖像檢索方法研究.pdf

1、由于圖像作為多媒體信息中的最基本、應用最廣泛的載體,圖像檢索一直是信息檢索中相當活躍的研究課題。經(jīng)過數(shù)十年的發(fā)展,基于內(nèi)容的圖像檢索(ContentBasedInformationRetrieval,CBIR)從出現(xiàn)發(fā)展至今受到廣泛關注。但是,訓練樣本數(shù)量少、正樣本和負樣本的數(shù)量不對稱及與用戶交互的實時性要求一直制約著CBIR的發(fā)展。
　　 本文以相似性度量為切入點,提出一種結(jié)合短期學習和長期學習,將視覺相似性和語義相似性綜合考

2、慮的圖像檢索方法——RCAS(Real-timeClassificationinAsymmetricandSmalldatacolleCtion),在提高圖像檢索性能的同時為解決上述三個問題提供了一種解決方案。
　　 相似性度量一直是CBIR研究中最關鍵的部分之一,一些文獻證明從相關反饋中學習相似性度量可以在一定程度上提高檢索性能。RCAS算法首先從日志數(shù)據(jù)中學習語義相似性,然后以此為先驗知識從標記樣本和未標記樣本中學習視覺相似

3、性。同時,RCAS算法結(jié)合了機器學習中半監(jiān)督學習和相關反饋算法的優(yōu)點,對有關類和無關類中未標記樣本采用不同的方式加以利用。并從未標記數(shù)據(jù)中隨機抽取子集擴充負例樣本集合,利用日志數(shù)據(jù)和相關反饋結(jié)果擴充正例樣本集合。從而解決了小樣本和不對稱問題。RCAS還可以在與用戶的相關反饋中及時地將檢索結(jié)果返回給用戶,滿足了實時性要求。
　　 本文將RCAS與SVM-AL。Na(I)ve-AL和SSAIR三種算法在基于COREL的擴充數(shù)據(jù)庫上,