基于多核学习的商品图像句子标注

• 作者: 任亚峰 姬东鸿 尹兰 张红斌
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 多核学习 高效匹配核 商品图像 句子标注 自然语言生成
• 年，卷（期）: 2015,（11）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 1351-1361
• 页数: 11页
• 分类号: TP391
• 字数: 6351字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1503017

摘要

句子蕴含丰富的语义信息,为商品图像标注句子能准确刻画商品特性,并改善信息检索准确率.现有商品图像句子标注方法存在特征学习不充分、特征表现单一等问题,针对这些问题,提出了基于高效匹配核(efficient match kernels,EMK)进行特征学习,抽取判别性能更优的形状核特征来刻画商品图像,并综合图像的形状、纹理、梯度等特征,在多核学习模型内融合出多核特征(multiple kernel feature,MKF),丰富特征表现形式,更好地解释图像中的形状和纹理视觉特性.基于MKF完成图像分类,检索关键文本标注商品图像.实验表明,MKF获取了最优的图像分类准确率,并且具有鲜明纹理或形状特性的商品图像,其MAP(mean average precision)指标更优.另据BLEU(bilingual evaluation understudy)评分显示,所标句子包含的语义信息贴近商品图像内容,且它的连贯性、可读性更好,具有很高的实用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张红斌	武汉大学计算机学院	48	189	7.0	11.0
3	姬东鸿	武汉大学计算机学院	92	887	16.0	26.0
4	任亚峰	武汉大学计算机学院	13	135	6.0	11.0
7	尹兰	武汉大学计算机学院	13	126	5.0	11.0