使用基于多例学习的启发式SVM算法的图像自动标注
在基于内容的图像检索中,按照图像的语义内容进行自动标注是一个具有挑战性的难题.将解释语义内容的关键词当做图像类别标签可使自动标注问题转化为图像分类问题.对于多数训练数据,关键词仅仅是针对整幅图像来标注的,并不是针对图像中的具体区域.为了克服这个问题,提出了多例学习(MIL)框架下基于支持向量机(SVM)的启发式算法HSVM-MIL.使用迭代的启发式最优化算法来解决多例学习中复杂的整型规划问题,以使分类风险最小化.每次迭代试图改变一个样例的类别以最大化普通SVM的分类间隔.在图像数据库和多例学习的经典数据集MUSK上的实验表明,HSVM-MIL算法具有优良的分类性能.由于该算法针对个体样例的正负分类进行判断,因而能够确定图像区域与关键词之间的对应关系,克服了大多数多例学习算法的缺点.
图像自动标注、多例学习、支持向量机、整型规划、启发式最优化算法
46
TP391.4(计算技术、计算机技术)
国家"九七三"重点基础研究发展计划基金项目2004CB318108;国家自然科学基金项目60621062, 60503064, 60736044;国家"八六三"高技术研究发展计划基金项目2006AA01Z141
2009-06-10(万方平台首次上网日期,不代表论文的发表时间)
共8页
864-871