结合组稀疏效应和多核学习的图像标注

• 作者: 吴飞 庄越挺 袁莹 邵健
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 组LASSO 组稀疏 多核学习 特征选择 图像标注
• 年，卷（期）: 2012,（9）
• 所属期刊栏目: 计算机图形学与计算机辅助设计
• 页码范围: 2500-2509
• 页数: 10页
• 分类号: TP391
• 字数: 7882字
• 语种: 中文
• DOI: 10.3724/SP.J.1001.2012.04154

摘要

图像中存在的纹理、颜色和形状等异构视觉特征,在表示特定高层语义时所起作用的重要程度不同,为了在图像标注过程中更加有效地利用这些异构特征,提出了一种基于组稀疏(group sparsity)的多核学习方法(multiple kernel learning with group sparsity,简称MKLGS),为不同图像语义选择不同的组群特征.MKLGS先将包含多种异构特征的非线性图像数据映射到一个希尔伯特空间,然后利用希尔伯特空间中的核函数以及组LASSO(groupLASSO)对每个图像类别选择最具区别性特征的集合,最终训练得到分类模型对图像进行标注.通过与目前其他图像标注算法进行对比,实验结果表明,基于组稀疏的多核学习方法在图像标注中能取得很好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	庄越挺	浙江大学计算机科学与技术学院人工智能研究所	100	2810	28.0	50.0
2	吴飞	浙江大学计算机科学与技术学院人工智能研究所	225	2325	27.0	39.0
3	邵健	浙江大学计算机科学与技术学院人工智能研究所	17	151	8.0	12.0
4	袁莹	浙江大学计算机科学与技术学院人工智能研究所	1	19	1.0	1.0