基于極限學(xué)習(xí)機(jī)的圖像標(biāo)注研究.pdf

1、當(dāng)今是圖像爆炸式增長(zhǎng)的時(shí)代，急切需要與之相適應(yīng)的圖像管理和檢索能力。圖像標(biāo)注不僅可以為普通用戶提供與之使用習(xí)慣更加符合的以Web圖像搜索為代表的圖像檢索服務(wù)，還將為圖像數(shù)據(jù)的組織、索引、管理帶來(lái)革命性的變化，甚至能夠推動(dòng)圖像理解及整個(gè)計(jì)算機(jī)視覺(jué)領(lǐng)域的發(fā)展。此外，圖像標(biāo)注在商業(yè)應(yīng)用、數(shù)字圖書館、軍事、生物醫(yī)學(xué)、網(wǎng)絡(luò)監(jiān)控、國(guó)家安全等方面也有重要的意義。
　　本文首先介紹了圖像標(biāo)注的一些基礎(chǔ)知識(shí)，包括圖像分割，特征提取，標(biāo)注模型以及評(píng)價(jià)

2、標(biāo)準(zhǔn)等。圖像分割分為固定劃分和N-Cut算法，在特征提取方面，介紹了顏色、紋理、形狀等特征。評(píng)價(jià)標(biāo)準(zhǔn)主要是查全率和查準(zhǔn)率。本文重點(diǎn)介紹了圖像標(biāo)注的模型，其中三個(gè)主要的模型分別是基于分類的圖像標(biāo)注，基于概率模型的圖像標(biāo)注和基于主題的圖像標(biāo)注。前兩個(gè)模型試圖直接尋找圖像（或圖像區(qū)域）與文本標(biāo)注詞之間的關(guān)系，而基于主題的圖像標(biāo)注模型則通過(guò)引入潛在主題概念建立高層語(yǔ)義與低層視覺(jué)特征之間的聯(lián)系，從而實(shí)現(xiàn)自動(dòng)圖像標(biāo)注。目前，基于機(jī)器學(xué)習(xí)的圖像標(biāo)注方

3、法得到了廣泛的應(yīng)用和發(fā)展。其中，學(xué)習(xí)器模型的選擇就顯得非常重要了。本文圍繞如何提高標(biāo)注效果和效率展開(kāi)了研究，并提出一種基于極限學(xué)習(xí)機(jī)（ELM）的圖像標(biāo)注算法。本方法的特征向量采用的是顏色特征、紋理特征以及SIFT特征組成的復(fù)合特征向量，能比較全面的反映圖像的特征，有效提高了檢索的效率。模型訓(xùn)練中，采用ELM算法，因其結(jié)構(gòu)簡(jiǎn)單、學(xué)習(xí)速度快，大大縮小了模型訓(xùn)練和標(biāo)注的時(shí)間。隨著ELM的發(fā)展，理論研究和實(shí)踐表明，ELM不但可以用于神經(jīng)網(wǎng)絡(luò)中，