基于多示例多標(biāo)記學(xué)習(xí)的圖像語(yǔ)義標(biāo)注方法的研究.pdf

1、自動(dòng)圖像標(biāo)注技術(shù)主要是根據(jù)圖像的底層視覺(jué)特征來(lái)分析其高層語(yǔ)義信息，并用一個(gè)或多個(gè)語(yǔ)義標(biāo)注詞來(lái)描述圖像的語(yǔ)義內(nèi)容。由于多示例多標(biāo)記學(xué)習(xí)從內(nèi)容表示和概念標(biāo)記上同時(shí)考察了圖像的歧義性，是一個(gè)比較合理全面的學(xué)習(xí)框架，因此，在多示例多標(biāo)記框架下研究圖像的語(yǔ)義標(biāo)注是極具價(jià)值的。
　　鑒于多示例多標(biāo)記圖像相似性度量與傳統(tǒng)多標(biāo)記圖像相似性度量存在一定的區(qū)別，據(jù)此提出了基于平均Hausdorff距離和基于特征轉(zhuǎn)換的包距離計(jì)算方法，其中基于特征轉(zhuǎn)換的

2、包距離計(jì)算方法是先利用K-mediods聚類(lèi)或稀疏編碼的方法將多示例特征轉(zhuǎn)換為單示例特征，然后利用傳統(tǒng)多標(biāo)簽學(xué)習(xí)方法度量圖像的相似性。結(jié)合近鄰優(yōu)化的圖像標(biāo)注算法，提出了基于稀疏編碼的近鄰優(yōu)化圖像標(biāo)注算法SP_MIML以及SPML_MI。針對(duì)K-mediods聚類(lèi)的結(jié)果多樣化及執(zhí)行代價(jià)高等缺點(diǎn)，提出了基于平均Hausdorff距離的支持向量機(jī)圖像標(biāo)注算法。為了進(jìn)一步挖掘語(yǔ)義，考慮標(biāo)簽間的語(yǔ)義關(guān)聯(lián)信息，提出了基于隱馬爾科夫（HMM）模型的圖