基于概率建模圖像標(biāo)注算法的研究及實(shí)現(xiàn).pdf

1、自動(dòng)圖像標(biāo)注是解決人工標(biāo)注問題的具有挑戰(zhàn)性的工作，它試圖在高層語義特征和底層視覺特征之間建立一座橋梁。特別隨著機(jī)器學(xué)習(xí)理論的不斷發(fā)展，很多學(xué)者設(shè)計(jì)出了不同的學(xué)習(xí)模型，大致可分為兩類，即基于概率建模的圖像標(biāo)注和基于分類器的圖像標(biāo)注。
　　 本文首先研究兩種具有代表性的基于概率建模的標(biāo)注算法，分別是共現(xiàn)模型和翻譯模型。共現(xiàn)模型將圖像劃分成規(guī)則區(qū)域，根據(jù)圖像區(qū)域和關(guān)鍵詞的共現(xiàn)概率來標(biāo)注圖像，即觀察關(guān)鍵詞與圖像區(qū)域的聯(lián)合發(fā)生概率。翻譯模

2、型改進(jìn)了共現(xiàn)模型，提供一種描述圖像的新概念——視覺詞元。視覺詞元通過圖像特征聚類后得到，那么每幅圖像都包含一個(gè)視覺詞元集合，圖像標(biāo)注可以看作是從視覺詞元“翻譯”成為關(guān)鍵詞的過程。結(jié)合共現(xiàn)模型和翻譯模型的思想，本文設(shè)計(jì)了一種改進(jìn)相關(guān)模型。假設(shè)有一個(gè)已標(biāo)注的訓(xùn)練圖像集合，通過圖像劃分聚類后可獲得其視覺詞元集合，那么每幅圖片就可以用視覺詞元和關(guān)鍵字兩個(gè)集合聯(lián)合表示。再給定一個(gè)測試圖像，使用語言生成模型方法假設(shè)存在一個(gè)潛在的概率分布，即相關(guān)模型