基于社群隐含主题挖掘和多社群信息融合的自动图像标注

摘要：

在Flickr图像共享网站上,大量无标签或者缺少标签的图像往往会因为标签信息的不完整,以致无法被有效地利用和检索.为了有效地进行图像检索,从Flickr用户经常会根据上传图像所隐含的主题而将其推荐到多个相关社群的特点出发,提出了一种新颖的基于社群隐含主题挖掘和多社群信息融合的自动图像标注算法.与传统的自动图像标注方法不同,该算法首先采用隐Dirichlet分配模型(latent Dirichlet auocation,LDA)对单个社群里的隐含主题(topic)进行挖掘,并利用隐含主题对由相似图像标签传播产生的初始"噪音"标签进行过滤;然后对同属于多个社群的图像,通过多社群信息融合来生成最终标注结果.实验结果显示了该新算法的有效性.

关键词：自动图像标注、社群、潜在主题挖掘、隐Dirichlet分配模型、多社群信息融合

所属期刊栏目：15

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金项目60833006;国家高技术研究发展计划863项目2006AA010107;浙江省科技计划项目重点项目2008C13G1410001

在线出版日期：2010-07-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：944-950