基于內容的圖像標注改善算法研究.pdf

1、圖像自動標注隸屬于計算機視覺、模式識別、信息檢索以及機器學習等領域，在學術界和工業(yè)界均得到高度的關注，但是由于圖像自動標注存在數據集的不平衡性，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、針對數據庫詞頻分布不平衡問題，提出了一種基于平衡數據庫的圖像自動標注改善的方法。這個方法主要是通過自動平衡模式找出弱頻點，并依據基于外部數據庫自動平

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

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

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