版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、隨著計算機技術、多媒體技術和網絡通信技術的興起和快速的發(fā)展,圖像數據庫變得越來越龐大,如何有效的獲取人們真正需要的信息成為一個重要的研究課題。自動圖像標注的實質是通過對圖像底層特征的挖掘和處理來獲取高層語義關鍵詞,為高效地獲取圖像數據提供了便利。本文對自動圖像標注進行了研究。主要工作體現在以下幾個方面:
(1)為了得到圖像的區(qū)域特征,提出改進的Normalized Cuts算法進行圖像分割。首先用Mean Shift算法對圖像
2、進行預分割,并采用一個加權的區(qū)域鄰接圖(Region adjacency graph,RAG)表示分割區(qū)域;然后采用Normalized Cuts對這些小區(qū)域進行融合。
(2)采用最大密度聚類算法對圖像的區(qū)域特征和SIFT特征進行聚類,得到離散化的視覺詞,并用“詞袋”模型將圖像表示為離散視覺詞。
(3)以文本關鍵詞和視覺詞的集合表示圖像。針對圖像的文本模態(tài)和視覺模態(tài)特征,本文提出了一種基于主題融合的概率潛在語義模型,
3、該模型分別從視覺模態(tài)和文本模態(tài)中捕獲潛在語義主題,并提出一種自適應的不對稱學習方法融合兩種語義主題,使得它們共享同樣的潛在主題。
(4)為了提高自動圖像標注的準確性,提出了對圖像自動標注系統(tǒng)優(yōu)化算法。對標注后圖像,采用基于詞頻因子的詞間相關性以及啟發(fā)式迭代算法對獲得的標注詞進行有效的優(yōu)化,詞頻因子有效提高詞間相關性的度量值的精準性,從而提高了標注詞的準確性。
實驗結果表明,本文提出的方法有效提高了自動圖像標注的效果。
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于標簽的WEB圖像自動標注方法研究.pdf
- 弱標注環(huán)境下基于多標簽深度學習的加速圖像標注.pdf
- 基于多示例多標簽學習的圖像分類標注.pdf
- 基于多標簽學習的圖像區(qū)域語義自動標注算法研究.pdf
- 基于互聯網數據集的圖像標注技術研究.pdf
- 基于多種圖像特征的圖像標注研究.pdf
- 基于層級標簽的社會標注模型研究.pdf
- 基于多特征的圖像標注研究.pdf
- 圖像檢索中自動標注、標簽處理和重排序問題的研究.pdf
- 場景標注中的圖像分割優(yōu)化算法研究.pdf
- 社交媒體下的圖像標簽優(yōu)化研究.pdf
- 基于語義的標注圖像分類研究.pdf
- 基于圖像自動標注的圖像檢索系統(tǒng)的研究實現.pdf
- 食品營養(yǎng)標簽標注的探討
- 面向資源共享網站的圖像標注和標簽推薦技術研究.pdf
- 基于標簽流行度的社會化標注模型研究.pdf
- 基于圖像與標注語義上下文的圖像自動標注算法研究.pdf
- 基于搜索的圖像標注技術研究.pdf
- 基于主題分析的圖像自動標注研究.pdf
- 基于內容的圖像標注改善算法研究.pdf
評論
0/150
提交評論