基于核特征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: 武汉大学学报（工学版）
• 学科: 工学
• 关键词: 核特征 多核学习 商品图像 句子标注 自然语言生成
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 动力机械与计算机应用
• 页码范围: 137-145
• 分类号: TP391
• 语种: 中文
• DOI: 10.14188/j.1671-8844.2017-01-021

摘要

用单词标注图像会产生歧义或噪声,故采用句子标注商品图像,以准确刻画商品特性.现有商品图像句子标注方法存在特征学习不充分的问题,针对该问题,提出基于核特征模型抽取图像的形状、颜色和梯度3种核特征,并在多核学习模型内融合生成新特征,基于新特征完成商品图像分类,检索视觉相似的训练图像,摘录其标题中的关键文本标注商品图像.最后.从信息检索和机器翻译两个角度分别评价标注性能.实验表明:基于新特征能获取最优的商品图像分类性能,图像分类缩小了图像检索范围,有助于改善检索性能;标注模型的MAP(Mean Average Precision)值和P-R(Precision-Recall)指标均优于基线;所标句子与图像内容语义相关,且连贯性和流畅性更优.

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