计算机应用研究
計算機應用研究
계산궤응용연구
APPLICATION RESEARCH OF COMPUTERS
2011年
10期
3917-3919,3924
,共4页
图像标注%多示例学习%自适应模糊支持向量机%广义集合运算
圖像標註%多示例學習%自適應模糊支持嚮量機%廣義集閤運算
도상표주%다시례학습%자괄응모호지지향량궤%엄의집합운산
通常情况下关键字只标注在图像上,而多示例(MIL)检索的需要将关键字下沉到区域.针对这个问题,在模糊支持向量机算法(FSVM)的基础上提出了一种改进的自适应模糊支持向量机多示例学习算法(AFSVM-MIL算法),在多示例学习的框架下把区域级的图像标注变成了一种有监督的学习.该方法利用AFSVMMIL对训练集进行分类,结合包之间的相似度进行广义集合运算,可以有效地将关键字进行下沉,从而达到减少人工标注工作量的目的.实验结果表明,该方法有效且性能优于其他方法.
通常情況下關鍵字隻標註在圖像上,而多示例(MIL)檢索的需要將關鍵字下沉到區域.針對這箇問題,在模糊支持嚮量機算法(FSVM)的基礎上提齣瞭一種改進的自適應模糊支持嚮量機多示例學習算法(AFSVM-MIL算法),在多示例學習的框架下把區域級的圖像標註變成瞭一種有鑑督的學習.該方法利用AFSVMMIL對訓練集進行分類,結閤包之間的相似度進行廣義集閤運算,可以有效地將關鍵字進行下沉,從而達到減少人工標註工作量的目的.實驗結果錶明,該方法有效且性能優于其他方法.
통상정황하관건자지표주재도상상,이다시례(MIL)검색적수요장관건자하침도구역.침대저개문제,재모호지지향량궤산법(FSVM)적기출상제출료일충개진적자괄응모호지지향량궤다시례학습산법(AFSVM-MIL산법),재다시례학습적광가하파구역급적도상표주변성료일충유감독적학습.해방법이용AFSVMMIL대훈련집진행분류,결합포지간적상사도진행엄의집합운산,가이유효지장관건자진행하침,종이체도감소인공표주공작량적목적.실험결과표명,해방법유효차성능우우기타방법.
