哈尔滨理工大学学报
哈爾濱理工大學學報
합이빈리공대학학보
JOURNAL OF HARBIN UNIVERSITY OF SCIENCE AND TECHNOLOGY
2014年
2期
57-62
,共6页
聚类%主题模型%视觉单词%标注单词
聚類%主題模型%視覺單詞%標註單詞
취류%주제모형%시각단사%표주단사
clustering%topical model%visual word%annotation word
针对如何有效地利用图像视觉信息与标注信息进行图像聚类的问题,提出了一种基于视觉单词与标注单词共生的聚类算法.在视觉特征空间,采用K-means算法对图像聚类,得到表征图像视觉信息的视觉单词,即聚类中心.在图像标注字空间,计算各聚类中心下标注单词的统计分布,建立视觉单词与标注单词共生矩阵,进而针对图像提取嵌入有视觉信息的标注词特征LDA(latent dirichlet allocation)主题模型作为最终聚类算法完成图像的聚类.通过对Pascal VOC 2007标注图像数据库进行的实验仿真以及对比试验结果表明,基于视觉单词与标注单词共生的聚类算法可以有效地利用图像的视觉信息与标注信息的互补特性,提高聚类算法的性能.
針對如何有效地利用圖像視覺信息與標註信息進行圖像聚類的問題,提齣瞭一種基于視覺單詞與標註單詞共生的聚類算法.在視覺特徵空間,採用K-means算法對圖像聚類,得到錶徵圖像視覺信息的視覺單詞,即聚類中心.在圖像標註字空間,計算各聚類中心下標註單詞的統計分佈,建立視覺單詞與標註單詞共生矩陣,進而針對圖像提取嵌入有視覺信息的標註詞特徵LDA(latent dirichlet allocation)主題模型作為最終聚類算法完成圖像的聚類.通過對Pascal VOC 2007標註圖像數據庫進行的實驗倣真以及對比試驗結果錶明,基于視覺單詞與標註單詞共生的聚類算法可以有效地利用圖像的視覺信息與標註信息的互補特性,提高聚類算法的性能.
침대여하유효지이용도상시각신식여표주신식진행도상취류적문제,제출료일충기우시각단사여표주단사공생적취류산법.재시각특정공간,채용K-means산법대도상취류,득도표정도상시각신식적시각단사,즉취류중심.재도상표주자공간,계산각취류중심하표주단사적통계분포,건립시각단사여표주단사공생구진,진이침대도상제취감입유시각신식적표주사특정LDA(latent dirichlet allocation)주제모형작위최종취류산법완성도상적취류.통과대Pascal VOC 2007표주도상수거고진행적실험방진이급대비시험결과표명,기우시각단사여표주단사공생적취류산법가이유효지이용도상적시각신식여표주신식적호보특성,제고취류산법적성능.
