基于低秩稀疏分解优化的图像标签完备

• 作者: 孟磊 张素兰 张继福 胡立华
• 来源期刊: 计算机辅助设计与图形学学报
• 学科: 工学
• 关键词: 图像标签完备 低秩稀疏分解 标签预测 标签优化 语义标注
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 图像与视觉
• 页码范围: 36-44
• 页数: 9页
• 分类号: TP391.41
• 字数: 7856字
• 语种: 中文
• DOI: 10.3724/SP.J.1089.2020.17821

摘要

大量上传的网络图像因用户语义标注的随意性,造成了图像标签的不完备,大大降低了图像检索的效率.低秩稀疏是一种有效降低数据噪声的方法.为提高图像语义标签完备的准确度,提出一种基于低秩稀疏分解优化(LRSDO)的图像标签完备方法.首先结合待完备图像的视觉特征和语义搜索其近邻图像集;然后通过低秩稀疏分解模型获得其视觉特征与语义之间的映射关系,并以此预测该图像的候选标签;最后使用面向个体的标签共现频率方法对候选标签进行去噪优化,进而实现对其更加准确的自动图像标签完备.在基准数据集Corel5K和真实数据集Flickr30Concepts上进行了实验,结果表明,该方法在图像标签完备的平均准确率,平均召回率和覆盖率上均表现出更优的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张继福	太原科技大学计算机科学与技术学院	94	600	14.0	20.0
2	张素兰	太原科技大学计算机科学与技术学院	37	232	9.0	14.0
3	胡立华	太原科技大学计算机科学与技术学院	21	108	5.0	10.0
4	孟磊	太原科技大学计算机科学与技术学院	1	0	0.0	0.0