基于社交网络元数据的图像分类算法

• 作者: 王兆平 陈炳坤
• 来源期刊: 深圳大学学报（理工版）
• 学科: 工学
• 关键词: 人工智能 社交网络 网络表征学习 图像分类 神经网络 社交多媒体
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 电子与信息科学
• 页码范围: 453-459
• 页数: 7页
• 分类号: TP181
• 字数: 4698字
• 语种: 中文
• DOI: 10.3724/SP.J.1249.2019.04453

摘要

在线社交网络图像通常携带大量的社交网络元数据,包含了丰富的图像语义信息,可以帮助用户区分图片中的内容.提出一种基于社交网络元数据的图像分类(multiple social metadata image classification networks,简称MSNet)算法,首先采集得到图像的多种社交网络元数据,根据图像社交网络信息构造出图像的多种关系网络,然后使用网络表征学习算法学习出图像在各个关系网络中的表征向量,最后使用图像的视觉特征和网络表征训练一个神经网络分类器对图像进行分类.通过在PASCAL、MIR、CLEF和NUS数据集上对比MSNet与CNN-neighbor、核典型相关分析(kernel canonical correlation analysis,KCCA)算法的性能,证明了MSNet算法能提升图像分类的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王兆平		5	9	2.0	3.0
2	陈炳坤	深圳大学计算机与软件学院	2	1	1.0	1.0