【摘要】：針對(duì)傳統(tǒng)圖像標(biāo)注模型存在著訓(xùn)練時(shí)間長(zhǎng)、對(duì)低頻詞匯敏感等問題,該文提出了基于蒙特卡羅數(shù)據(jù)集均衡和魯棒性增量極限學(xué)習(xí)機(jī)的圖像自動(dòng)標(biāo)注模型.該模型首先對(duì)公共圖像庫的訓(xùn)練集數(shù)據(jù)進(jìn)行圖像自動(dòng)分割,選擇分割后相應(yīng)的種子標(biāo)注詞,并通過提出的基于綜合距離的圖像特征匹配算法進(jìn)行自動(dòng)匹配以形成不同類別的訓(xùn)練集.針對(duì)公共數(shù)據(jù)庫中不同標(biāo)注詞的數(shù)據(jù)規(guī)模相差較大,提出了蒙特卡羅數(shù)據(jù)集均衡算法使得各個(gè)標(biāo)注詞間的數(shù)據(jù)規(guī)模大體一致.然后針對(duì)單一特征描述存在的不足,提出了多尺度特征融合算法對(duì)不同標(biāo)注詞圖像進(jìn)行有效的特征提取.最后針對(duì)傳統(tǒng)極限學(xué)習(xí)機(jī)存在的隱層節(jié)點(diǎn)隨機(jī)性和輸入向量權(quán)重一致性的問題,提出了魯棒性增量極限學(xué)習(xí),提高了判別模型的準(zhǔn)確性.通過在公共數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明:該模型可以在很短時(shí)間內(nèi)實(shí)現(xiàn)圖像的自動(dòng)標(biāo)注,對(duì)低頻詞匯具有較強(qiáng)的魯棒性,并且在平均召回率、平均準(zhǔn)確率、綜合值等多項(xiàng)指標(biāo)上均高于現(xiàn)流行的大多數(shù)圖像自動(dòng)標(biāo)注模型.
文內(nèi)圖片：
圖片說明： 電子學(xué)報(bào)2017年從圖中可以看出，圖像庫中不同類別的標(biāo)注詞之間所關(guān)聯(lián)的圖像集，其數(shù)據(jù)規(guī)模具有較大的差別，例如water標(biāo)注詞與其關(guān)聯(lián)的圖像有1000多張，lake，crab等標(biāo)注詞與其關(guān)聯(lián)的圖像只有10來張．相互之間的數(shù)據(jù)集規(guī)模相差從幾倍到上百倍不等，這樣想要構(gòu)建出一個(gè)合理的分類模型是相當(dāng)困難的．例如在訓(xùn)練集中出現(xiàn)詞頻較高的關(guān)鍵詞sky，water，people，tree往往能夠獲得較好的標(biāo)注準(zhǔn)確率和召回率，而在訓(xùn)練集中詞頻出現(xiàn)較少的關(guān)鍵詞，，例如butterfly，crab甚至一次標(biāo)注正確的都沒有．本文提出蒙特卡羅數(shù)據(jù)集均衡算法(MC-BDS)，使得均衡之后的各個(gè)不同類別之間的數(shù)據(jù)集規(guī)模大致平衡或者之間差別較小．本文采用加權(quán)復(fù)合特征距離作為圖像擴(kuò)充的準(zhǔn)則，以下為部分標(biāo)注詞其加權(quán)復(fù)合特征距離的分布情況．表1不同標(biāo)注詞的加權(quán)復(fù)合特征距離標(biāo)注詞名稱加權(quán)復(fù)合特征距離下限加權(quán)復(fù)合特征距離上限city5.67826.9325bear11.635612.7411mountain6.82177.6452cat12.364113.2829sun9.241810.6722butterfly14.202516.7318lake10.632511.7187crab17.215018.6336hats13.370214.1923由表1可知:不同標(biāo)注詞之間的加權(quán)復(fù)合特征距離具有一定差異性．有部分不同類別的標(biāo)注詞之間的加權(quán)復(fù)合特征距離上限和下限可能會(huì)存在少部分的重疊，但是并不會(huì)影響到數(shù)據(jù)集的均衡擴(kuò)充．其原因主要有以下兩點(diǎn):(1)本文中提出的數(shù)據(jù)均衡擴(kuò)充算法(MC-BDS)，其擴(kuò)充的數(shù)據(jù)的加權(quán)復(fù)合特征距離是均勻分布在其類別的下限和上限之間，不會(huì)集中在下限領(lǐng)域或者上限領(lǐng)域，因此能保證擴(kuò)充之后的數(shù)據(jù)的特征距離，能夠較大程度上遠(yuǎn)離重疊區(qū)域．(2)假設(shè)標(biāo)注詞A的特征為XA={x1，x2……．xm}，新樣本的特征的產(chǎn)生是基于原始樣本，也就是說新產(chǎn)生
文內(nèi)圖片：
圖片說明： 電子學(xué)報(bào)2017年從圖中可以看出，圖像庫中不同類別的標(biāo)注詞之間所關(guān)聯(lián)的圖像集，其數(shù)據(jù)規(guī)模具有較大的差別，例如water標(biāo)注詞與其關(guān)聯(lián)的圖像有1000多張，lake，crab等標(biāo)注詞與其關(guān)聯(lián)的圖像只有10來張．相互之間的數(shù)據(jù)集規(guī)模相差從幾倍到上百倍不等，這樣想要構(gòu)建出一個(gè)合理的分類模型是相當(dāng)困難的．例如在訓(xùn)練集中出現(xiàn)詞頻較高的關(guān)鍵詞sky，water，people，tree往往能夠獲得較好的標(biāo)注準(zhǔn)確率和召回率，而在訓(xùn)練集中詞頻出現(xiàn)較少的關(guān)鍵詞，例如butterfly，crab甚至一次標(biāo)注正確的都沒有．本文提出蒙特卡羅數(shù)據(jù)集均衡算法(MC-BDS)，使得均衡之后的各個(gè)不同類別之間的數(shù)據(jù)集規(guī)模大致平衡或者之間差別較小．本文采用加權(quán)復(fù)合特征距離作為圖像擴(kuò)充的準(zhǔn)則，以下為部分標(biāo)注詞其加權(quán)復(fù)合特征距離的分布情況．表1不同標(biāo)注詞的加權(quán)復(fù)合特征距離標(biāo)注詞名稱加權(quán)復(fù)合特征距離下限加權(quán)復(fù)合特征距離上限city5.67826.9325bear11.635612.7411mountain6.82177.6452cat12.364113.2829sun9.241810.6722butterfly14.202516.7318lake10.632511.7187crab17.215018.6336hats13.370214.1923由表1可知:不同標(biāo)注詞之間的加權(quán)復(fù)合特征距離具有一定差異性．有部分不同類別的標(biāo)注詞之間的加權(quán)復(fù)合特征距離上限和下限可能會(huì)存在少部分的重疊，但是并不會(huì)影響到數(shù)據(jù)集的均衡擴(kuò)充．其原因主要有以下兩點(diǎn):(1)本文中提出的數(shù)據(jù)均衡擴(kuò)充算法(MC-BDS)，其擴(kuò)充的數(shù)據(jù)的加權(quán)復(fù)合特征距離是均勻分布在其類別的下限和上限之間，不會(huì)集中在下限領(lǐng)域或者上限領(lǐng)域，因此能保證擴(kuò)充之后的數(shù)據(jù)的特征距離，能夠較大程度上遠(yuǎn)離重疊區(qū)域．(2)假設(shè)標(biāo)注詞A的特征為XA={x1，x2……．xm}，新樣本的特征的產(chǎn)生是基于原始樣本，也就是說新產(chǎn)生
【作者單位】： 福州大學(xué)數(shù)學(xué)與計(jì)算機(jī)科學(xué)學(xué)院;福建省網(wǎng)絡(luò)計(jì)算與智能信息處理重點(diǎn)實(shí)驗(yàn)室(福州大學(xué));
【基金】：國家自然科學(xué)基金(No.61502105) 福建省科技引導(dǎo)性項(xiàng)目(No.2017H0015) 福建省中青年教師教育科研項(xiàng)目(No.JA15075)
【分類號(hào)】：TP18;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張學(xué)軍;郭建;;圖像紋理分析的方法與應(yīng)用[J];黑龍江科技信息;2009年16期

2 孟勇,洪丹輝,毛丹;測(cè)度熵在圖像紋理分析中的應(yīng)用[J];計(jì)算機(jī)應(yīng)用與軟件;2000年08期

3 吳濤;秦昆;;圖像紋理特征數(shù)據(jù)挖掘的理論與方法探討[J];計(jì)算機(jī)時(shí)代;2006年08期

4 方玲玲;王相海;;圖像挖掘研究[J];計(jì)算機(jī)科學(xué);2009年08期

5 劉勇,施萬昌,徐玉蘭;圖像差異的分析與識(shí)別[J];復(fù)旦學(xué)報(bào)(自然科學(xué)版);2000年05期

6 羅l

本文編號(hào)：2515513