基于特征提取和多示例学习的图像区域标注-论文.pdf

《基于特征提取和多示例学习的图像区域标注-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第28卷第8期电子测量与仪器学报l』．28．82014年8月JOURNALOFELECTRONICMEASUREMENTANDINSTRUMENTATION·909·DOI：10．13382／j．jemi．2014．08．015基于特征提取和多示例学习的图像区域标注张滢齐美彬周云蒋建国(合肥工业大学计算机与信息学院合肥230009)摘要：随着web2．0的不断发展，在Flickr等图像共享网站中越来越多的用户在上传图像的同时提供了标注，因此如何确定这些已有的标注在图像中的相关性区域成了一个热门的研究问题。提出了一种基于图像低层视觉特征和多示例学习方法的图像区域标注方法

2、，文中的方法首先对图像进行分割，对分割后的图像区域提取低层视觉特征作为它的区域特征，最后通过多示例学习问题的多样性密度算法思想来对图像进行区域标注。实验中对已被标注的大量数据集进行分析，正确率达到了85％，与已有的图像区域标注方法相比，在区域标注的正确率上有着明显的改善。关键词：图像标注；区域标注；特征提取；多示例学习；多样性密度算法中图分类号：TP391；TN911．73文献标识码：A国家标准学科分类代码：520．6040ImageregiOnlabelingbasedonfeatureextractionandmultiple-instancelearningZh

3、angYingQiMeibinZhouYunJiangJianguo(SchoolofComputerScience&Information，HefeiUniversityofTechnology，Hefei230009，China)Abstract：Alongwiththecontinuousdevelopmentofweb2．0，moreandmoreusersprovidetagsfortheseima—geswhiletheyuploadthemontheseimagesharewebsiteslikeFIickretc．Sohowtodeterminethe

4、secorrelationregionsofthepriorannotationintheimagebecameapopularresearchissues．Inthispaper，amethodofimageregionlabelingbasedonthelowlevelvisualfeatureandthemultiple—instancelearningisproposed．Weseg·mentimagetoregionsfirst，thenextractthelowlevelvisualfeatureastheregionfeatures．Finally，we

5、labeltheregionsbythealgorithmofdiversedensitywhichisproposedintheproblemofmultiple-instancelearning．Themethodisevaluatedonlargedatasetsandthecorrectrateisaround85％，thecorrectrateisobviouslyim-provedcomparedwithothermethods．Keywords：imagetag；regionlabeling；featureextraction；multiple—inst

6、ancelearning；diversedensityalgorithm1引日用户为上传的大多数图像都添加了标签信息，如何利用这些标签信息对图像进行区域标注成收稿日期：2014-01ReceivedDate：2014-01$基金项目：国家自然科学基金(61174170，61004103，61100127)、教育部博士点基金(20100111110005)资助项目电子测量与仪器学报第28卷个标注进行建模因而能够适用于大规模的图像数据集。Liu等人提出了一种基于多边缘图学习的区域标注方法，它通过图像之间标注的关系，将每幅图像看作一个顶点形成一个多边缘图，再通过核方程来将区

7、域标注的问题转换成了约束方程下的最优化问题。近些年来越来越图1多示例学习问题多的人通过机器学习问题中学习样本和训练样Fig．1Theproblemofmultiple—instance本的方法来解决区域标注问题，如SVM、多层感learning知机方法等。因此提出了一种基于图像低层视觉特征和2．2多样性密度算法多示例学习方法的优化图像区域标注方法，标注过程中首先对图像进行区域分割；然后进行针对多示例学习问题，1998年0．Maron和区域特征提取，主要提取纹理特征和颜色特征，T．Lozano【等人提出了多样性密度的(diverse最后利用多示例学习方