原文服务方: 计算机应用研究       
摘要:
通常情况下关键字只标注在图像上,而多示例(MIL)检索的需要将关键字下沉到区域.针对这个问题,在模糊支持向量机算法(FSVM)的基础上提出了一种改进的自适应模糊支持向量机多示例学习算法(AFSVM-MIL算法),在多示例学习的框架下把区域级的图像标注变成了一种有监督的学习.该方法利用AFSVMMIL对训练集进行分类,结合包之间的相似度进行广义集合运算,可以有效地将关键字进行下沉,从而达到减少人工标注工作量的目的.实验结果表明,该方法有效且性能优于其他方法.
推荐文章
基于Matlab的图像自动标注
Matlab
自动标注
视觉特征
图像检索
基于词频同现与WordNet的图像自动标注改善算法研究
图像自动标注
标注改善
词频同现
WordNet
基于显著区域的图像自动标注
图像自动标注
显著区域
SIFT特征
K-均值聚类
视觉词袋
支持向量机
基于决策树C4.5集成算法的图像自动标注
C4.5算法
集成学习
修正矩阵
图像标注
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于AFSVM-MIL算法的图像标注
来源期刊 计算机应用研究 学科
关键词 图像标注 多示例学习 自适应模糊支持向量机 广义集合运算
年,卷(期) 2011,(10) 所属期刊栏目 图形图像技术
研究方向 页码范围 3917-3919,3924
页数 分类号 TP391
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2011.10.087
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 熊忠阳 重庆大学计算机学院 135 2447 25.0 44.0
2 曾代敏 重庆大学数理学院 10 61 3.0 7.0
3 邓剑勋 重庆大学计算机学院 6 4 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (8)
共引文献  (40)
参考文献  (3)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(2)
  • 参考文献(2)
  • 二级参考文献(0)
2011(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
图像标注
多示例学习
自适应模糊支持向量机
广义集合运算
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
总被引数(次)
238385
论文1v1指导