基于內(nèi)容的圖像標(biāo)注改善算法研究.pdf

1、圖像自動標(biāo)注隸屬于計算機(jī)視覺、模式識別、信息檢索以及機(jī)器學(xué)習(xí)等領(lǐng)域，在學(xué)術(shù)界和工業(yè)界均得到高度的關(guān)注，但是由于圖像自動標(biāo)注存在數(shù)據(jù)集的不平衡性，底層視覺特征與用戶高層語義之間的鴻溝等問題，使得圖像自動標(biāo)注仍然面臨著許多困難，針對上述情況，本文開展了如下四個方面的研究工作：
　　 1、針對數(shù)據(jù)庫詞頻分布不平衡問題，提出了一種基于平衡數(shù)據(jù)庫的圖像自動標(biāo)注改善的方法。這個方法主要是通過自動平衡模式找出弱頻點(diǎn)，并依據(jù)基于外部數(shù)據(jù)庫自動平

2、衡模式對弱頻點(diǎn)以下的弱頻詞，從外部數(shù)據(jù)庫中追加相應(yīng)數(shù)量的圖片。通過找到數(shù)據(jù)庫的最佳平衡狀態(tài)，以及詞頻的最佳分布使得數(shù)據(jù)庫達(dá)到最佳平衡狀態(tài)，并使得最終標(biāo)注結(jié)果的精確率、召回率、F度量和至少正確標(biāo)注一次的關(guān)鍵詞數(shù)等指標(biāo)得到一定提高。
　　 2、提出了基于關(guān)鍵詞同現(xiàn)的圖像自動標(biāo)注方法?，F(xiàn)有圖像自動標(biāo)注模型為了計算方便，假設(shè)標(biāo)注詞之間都是相互獨(dú)立的，忽略了關(guān)鍵詞間相關(guān)性對最終標(biāo)注結(jié)果帶來的影響，針對以上問題，我們提出了基于關(guān)鍵詞同現(xiàn)的圖

3、像自動標(biāo)注方法。該方法根據(jù)關(guān)鍵詞同現(xiàn)(Co-occurrence)的頻數(shù)計算關(guān)鍵詞間的相關(guān)性，并根據(jù)詞頻間的相關(guān)性建立關(guān)聯(lián)度衡量模式。為了充分考慮關(guān)鍵詞間的關(guān)聯(lián)性，采用k-1層關(guān)聯(lián)算法計算關(guān)鍵詞之間的關(guān)聯(lián)度，并將該關(guān)聯(lián)度與已經(jīng)得到的標(biāo)注模型的標(biāo)注結(jié)果相結(jié)合，使得最終的圖像標(biāo)注結(jié)果得到提高。
　　 3、提出了基于Wordnet的圖像自動標(biāo)注模型。該模型先通過CMRM方法對圖像進(jìn)行標(biāo)注，根據(jù)得到的關(guān)鍵詞標(biāo)注概率，選取標(biāo)注詞概率較大的

4、前n個關(guān)鍵詞作為候選標(biāo)注詞。通過結(jié)合JNC方法與BNP方法，建立了關(guān)鍵詞間相關(guān)度的度量模式，通過此模式來度量n個候選關(guān)鍵詞間的相關(guān)度，篩選出相關(guān)度最大的前五個關(guān)鍵詞作為最終的標(biāo)注詞，該標(biāo)注方法可以在一定程度上更好的解決語義鴻溝問題，并最終提升圖像標(biāo)注結(jié)果。
　　 4、提出了基于語義相似的圖像自動標(biāo)注模型。該模型將前面提出的關(guān)鍵詞同現(xiàn)方法與Wordnet相結(jié)合來計算關(guān)鍵詞間的相關(guān)度，并實(shí)現(xiàn)最終的圖像自動標(biāo)注改善模型。通過最后的實(shí)驗(yàn)