基于梯度核特征及N-gram模型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
• 学科: 工学
• 关键词: 梯度核特征 N-gram模型 商品图像 句子标注 语义相关度计算 修饰性短语
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 图形图像与模式识别
• 页码范围: 269-273,287
• 页数: 6页
• 分类号: TP391
• 字数: 7510字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2016.5.051

摘要

提出为商品图像标注句子,以便更准确地刻画图像内容.首先,执行图像特征学习,选出标注性能最优的梯度核特征完成图像分类和图像检索,该特征能客观描绘商品图像中形状和纹理这两类关键视觉特性.然后,基于语义相关度计算结果从训练图像的文本描述中摘取关键单词,并采用N-gram模型把单词组装为蕴涵丰富语义信息且满足句法模式兼容性的修饰性短语,基于句子模板和修饰性短语生成句子.最后,构建Boosting模型,从若干标注结果中选取BLEU-3评分最优的句子标注商品图像.结果表明,Boosting模型的标注性能优于各基线.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姬东鸿	武汉大学计算机学院	92	887	16.0	26.0
2	任亚峰	武汉大学计算机学院	13	135	6.0	11.0
3	张红斌	武汉大学计算机学院	10	65	4.0	8.0
4	尹兰	武汉大学计算机学院	13	126	5.0	11.0