基于标签集相关性学习的大规模网络图像在线标注

• 作者: 沈旭昆 田枫
• 来源期刊: 自动化学报
• 关键词: 网络图像标注 图像语义标注 标签集相关性 标签相关性学习
• 年，卷（期）: 2014,（8）
• 所属期刊栏目: 论文与报告
• 页码范围: 1635-1643
• 页数: 9页
• 字数: 8553字
• 语种: 中文
• DOI: 10.3724/SP.J.1004.2014.01635

摘要

传统的网络图像标注方法忽视了标签集整体相关性对标注结果的影响，导致标签集整体相关性缺乏和语义冗余。为了解决上述问题，提出了一种基于标签集相关性学习的大规模网络图像在线语义标注方法。给出了标签集对图像相关性和标签集内部相关性的概率估计算法，将上述约束形成一个优化问题，采用贪心搜索策略获取近似最优解，找到能合理地平衡上述因素的标签集，并针对大规模图像集和概念集进行了优化。真实环境下大规模网络图像集上的测试表明，相比于目前的代表性网络图像标注方法，该方法获得的标签集能够更好的描述图像语义，性能提升明显。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	沈旭昆	北京航空航天大学虚拟现实技术与系统国家重点实验室	46	442	10.0	20.0
2	田枫	北京航空航天大学虚拟现实技术与系统国家重点实验室	29	41	4.0	5.0