基于极端梯度提升树算法的图像属性标注

• 作者: 姬东鸿 张红斌 朱涛 滑瑾 邬任重 邱蝶蝶
• 来源期刊: 山东大学学报（工学版）
• 学科: 工学
• 关键词: 图像属性标注 极端梯度提升树 迁移学习 弱分类器 深层语义
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 机器学习与数据挖掘
• 页码范围: 8-16
• 页数: 9页
• 分类号: TP391
• 语种: 中文
• DOI: 10.6040/j.issn.1672-3961.0.2018.271

摘要

提出基于极端梯度提升树(eXtreme gradient boosting,XGBoost)算法的图像属性标注模型,以改善标注性能:提取图像局部二值模式(local binary patterns,LBP)、灰度纹理空间包络特征(Gist)、尺度不变特征变换(scale invariant feature trans-form,SIFT)、视觉几何组(visual geometry group,VGG)等特征,以准确刻画图像视觉内容;基于图像特征,采用XGBoost算法集成弱分类器为强分类器,完成图像属性标注;深入挖掘图像属性蕴含的深层语义,构建全新的、层次化的属性表示体系,以贴近人类客观认知;设计迁移学习策略并合理组合分类模型,进一步改善标注性能.试验表明:Gist特征能真实刻画图像视觉内容;执行基础迁移学习后,标注精准度比迁移学习前最优指标提升8.69％;执行混合型迁移学习后,合理组合分类模型,标注精准度比基础迁移学习的最优指标提升17.55％.模型有效地改善图像属性标注精度.

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	华东交通大学软件学院	48	189	7.0	11.0
2	姬东鸿	武汉大学国家网络安全学院	92	887	16.0	26.0
3	朱涛	华东交通大学信息工程学院	7	7	2.0	2.0
4	滑瑾	华东交通大学信息工程学院	5	6	2.0	2.0
5	邱蝶蝶	华东交通大学软件学院	5	3	1.0	1.0
6	邬任重	华东交通大学软件学院	7	3	1.0	1.0