基于Web的協(xié)同圖像檢索與標(biāo)注.pdf

1、圖像檢索一直以來(lái)就是學(xué)術(shù)界和工業(yè)界的研究熱點(diǎn)領(lǐng)域，隨著信息技術(shù)的發(fā)展和大數(shù)據(jù)技術(shù)的火熱，人們?cè)诨ヂ?lián)網(wǎng)上交流方式越來(lái)越集中到圖像、視頻等多媒體形式上，圖像檢索在互聯(lián)網(wǎng)上發(fā)揮的作用也日益強(qiáng)大，在電子商務(wù)、互聯(lián)網(wǎng)社交等領(lǐng)域中都有廣泛的應(yīng)用，如何從海量圖片中找到符合自己意愿的圖片成為圖像檢索領(lǐng)域的研究熱點(diǎn)問(wèn)題。
　　本文將從圖像底層特征、自動(dòng)標(biāo)注算法、用戶(hù)日志學(xué)習(xí)三個(gè)方面，對(duì)圖像中的語(yǔ)義鴻溝問(wèn)題和維度災(zāi)難兩大問(wèn)題進(jìn)行探討，從而完成基于We

2、b下的協(xié)同圖像檢索與標(biāo)注的研究，其主要工作如下：
　　首先，圖像特征作為圖像檢索中最重要的依據(jù)，優(yōu)秀的特征表達(dá)對(duì)圖像檢索的效果影響巨大，通過(guò)歸納和總結(jié)圖像的視覺(jué)特征，對(duì)當(dāng)前較新的特征提取技術(shù)進(jìn)行改進(jìn)，聯(lián)合散射系數(shù)特征和尺度不變特征變換(SIFT)特征作為圖像的綜合特征Scatter-SIFT完成圖像的底層特征匹配，提高了圖像分類(lèi)的效果。
　　然后，在大規(guī)模圖像檢索中，圖像標(biāo)注完全靠手工標(biāo)注完成是不現(xiàn)實(shí)的，因此本文對(duì)Fast

3、Tag算法和Negative BootStrap算法進(jìn)行了分析，并在這兩種算法的基礎(chǔ)上提出了FT-NB算法對(duì)圖像完成自動(dòng)標(biāo)注，綜合利用FastTag算法和Negative Bootstrap算法的優(yōu)點(diǎn)，從而提高圖像標(biāo)注的效果,并通過(guò)實(shí)驗(yàn)驗(yàn)證了FT-NB算法策略的有效性.
　　一般情況下的圖像檢索系統(tǒng)沒(méi)有充分利用用戶(hù)的反饋日志信息，Web具有天然的廣泛性，能將世界上任何地方的人連接起來(lái)，因此本文提出了利用用戶(hù)對(duì)圖像檢索結(jié)果的日志反饋

4、記錄，聯(lián)合FT-NB算法進(jìn)行學(xué)習(xí)，對(duì)圖像的標(biāo)注結(jié)果進(jìn)行迭代更新，從而進(jìn)一步提高圖像檢索的效果。
　　最后，綜合使用以上優(yōu)秀的相關(guān)算法和日志信息，設(shè)計(jì)和實(shí)現(xiàn)Web下的協(xié)同圖像檢索系統(tǒng)原型 JustPic1.0，方便用戶(hù)檢索圖像并對(duì)檢索結(jié)果做出反饋。針對(duì)Corel5K、Caltech101、ESP等公開(kāi)圖像數(shù)據(jù)集，使用FT-NB方法對(duì)用戶(hù)日志記錄進(jìn)行學(xué)習(xí)，再次對(duì)圖像進(jìn)行檢索，并對(duì)比以視覺(jué)特征結(jié)合詞袋(BOW)技術(shù)的圖像檢索方法、Fas