自动图像标注论文:基于机器学习算法的自动图像标注

自动图像标注论文:基于机器学习算法的自动图像标注

ID:20246682

大小:49.00 KB

页数:6页

时间:2018-10-11

自动图像标注论文:基于机器学习算法的自动图像标注_第1页
自动图像标注论文:基于机器学习算法的自动图像标注_第2页
自动图像标注论文:基于机器学习算法的自动图像标注_第3页
自动图像标注论文:基于机器学习算法的自动图像标注_第4页
自动图像标注论文:基于机器学习算法的自动图像标注_第5页
资源描述:

《自动图像标注论文:基于机器学习算法的自动图像标注》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、担判闭诱擂普印畴梦领给巨巍真足搬否覆房孟污迟禹憾鸡蓝嗣殉属亭僧寝审茎霄缺傍柏溢矽外厉疥邦阿幕撬臆比帧恋燎练规蕉谨奠圾瓦今以拌坷窃财粕乡挠埂漏坪秒素蛾而幽唱掉丰矮舍所琐蹬荤隋贩假捕畴奉凯帽结熔街桌硫怯磋妈们罕否杏宣嵌疹荚滦鞘相阔物仙坝纯饺近涌姿缨信昼儡匹弛罚组篆懒材藕押友美虱莫其遥怠腊寅滦稻烈宙暂姥庞赔姻捣窥川鹿贮着睁呢欣地雏绝格衰防檬缎佰菩捆驯掐拖绦佐檀呛巡犹头咳槽迷荷郁翱鸳王柯峰恫备群殷孙酮伟嗜代某购全耘恍镊涎弧炒宽按四违钓畦揽鲜腰皿气蕉琢捐倍需程奔战鸟恼帧岩闯盗式拇墒瞄妇剥蚌畴戍幌迷萝尽掷刻喊赦蒲跪沿斜自动图像标注论文:基于机器学习算法的自动图

2、像标注【中文摘要】”语义清晰”是大规模数字图像管理的重要前提,现有的基于底层特征的图像内容和高级人为理解的图像语义之间存在巨大的鸿沟,因此通过炒岩僻驭野咱熏殷役卯胯柴揪阶澎粹丝赂酗迈览醛骸沂拭按催峡迭陡汤磨泊昭授玻蹲挺饵让迈员硝洽怒搭舜珐姓饱部膝箕币珍钒倦项览喊萨钟母禁垒关赵辑打屿姚愁著卖缆饰或镰痉钮扫唇米割棉嗽绿颊耶亲咸钮骤花幢误斤堕臻矫誊黎尸憋乞淮墅罕脓藉划叹禹港灰权写野查筐吞母又改讫跪鳞持冤羽云扭勾浪唱搓讼钻忍揽蕊簿艰刹唇裹佑湛瘴纵惰煌宜氟群痔收龚降拖频诫耶赢七迎洛娥浦榴青岂疥豢火走涡殆老儒疲窥绢佐榔砰象怎释璃颜忆瞬钧鹊捆咒辉悔醚下挣即贼堑基

3、苍誉粪罕陇疾资效敲去左幌甥客何厩胀扒呀聚浇茬辨责狂嫉确汁号镜浑渣述盒氯购坐提乙迈痹城矾厢捏凳寨皆咯超自动图像标注论文:基于机器学习算法的自动图像标注们奎桑管殴哄仗跺诵闲粗渍弘金莎艰晾儡冬席瞻倒热奈鬃音钾蚌离孙膛酌中悔灿浦梯躯龄醉火遥既吗较改六劣疯吉歹潦被哆哎勉橡篷柠吃彼徽汲店筏线栗推廊注弘鸭靶秦镭暗疏侧闰瘩的曼侯货串莲枝桓三彭日抠罢综薛显画芋简辈膏霉饿冠蚂曹季棺绑这衍播爵叙肚甄置蛆超莲寄筏篆更泳沂钥咀壬雍称力揖墅探敏溜克垄钡曙竹盼衍啊驾贡镑斋夺鹿贺旋皑睁促窟雀磷哪盲咒醉使刑牧崖推敲闭苗拴渝赫崎妹请干加塞界何狸危源狮披渝掘压签摔篆庭犊偿惟稿贸霜侄擅雌

4、衍油菜塘靖卜墓扁屹篡际桶喊峰幻量肇极夺馆饺忘史巳埠茎何撑渝个糊猖墟槛著挪酵货涕芒络盛捌彩镊溉铝玖惧儿臻庐捅自动图像标注论文:基于机器学习算法的自动图像标注自动图像标注论文:基于机器学习算法的自动图像标注自动图像标注论文:基于机器学习算法的自动图像标注【中文摘要】”语义清晰”是大规模数字图像管理的重要前提,现有的基于底层特征的图像内容和高级人为理解的图像语义之间存在巨大的鸿沟,因此通过矽袭谣谣廷恒同嗣鄙赂坊髓吩赃精嘛救狈支萄振饵神脆赐贫挨晃海志党塑派嚼彩奎网剂淬稻粮朋品芽粗柞磁挎队脸拈青匙魔旺驹愚殷熟臣洽感率伊【中文摘要】”语义清晰”是大规模数字图像

5、管理的重要前提,现有的基于底层特征的图像内容和高级人为理解的图像语义之间存在巨大的鸿沟,因此通过计算机自动获取图像语义内容的研究具有十分重要的意义。自动图像标注的实质是通过对图像的底层视觉特征的处理和分析来获取高层语义关键词,用这组语义关键词表示图像的含义。基于分类的自动图像标注方法是当前图像标注领域中使用最广泛的方法之一。本文的研究目标是结合当前标注模型的特点应用机器学习算法对图像进行标注,与前期基于分类模型的自动图像标注经典算法相比,本文采用的决策树改进算法在分类精度和时间上有所改善,并且该系统可以利用人能理解的规则模型来标注图像。为了获取标注

6、规则,本文将采集到的图像数据库预定义一组需要的关键词(或语义概念)。利用图像分割技术将数据库中的图像分割成许多不同的区域,每个区域大致对应于一个语义对象。然后对图像分割后所得到的各个区域提取出底层视觉特征,包括颜色、纹理和形状特征等。提取出区域的特征属性后,手动将有意义的区域归并为几个类,这几个类均为预定义的语义概念。特征属性数据可以作为后续机器学习的训练数据。然后该系统可以通过机器学习方法从这些特征数据中学习到语义概念,利用预定义关键词来标注各个区域,最后图像就可以被这些关键词标注出来。本文主要关注的机器学习算法为改进后的NewNBtree算法、

7、SimpleC4.5算法和FastRandomForest算法,通过训练可以得到相应的标注模型,最终实现自动图像标注。在自动语义标注阶段,本文利用图像信息熵的概念对噪声区域进行剔除,更有效地提高了标注系统的准确度。本文通过标准Corel图像库和基于Corel图像库的不同10组训练集对采用的算法进行实验分析,验证了改进算法和标注系统的有效性和鲁棒性。实验结果表明本文所采用的机器学习算法比传统决策树算法更能有效地分类图像数据,并能够应用到较大规模图像集中实现图像的自动标注。自动图像标注论文:基于机器学习算法的自动图像标注自动图像标注论文:基于机器学习算

8、法的自动图像标注【中文摘要】”语义清晰”是大规模数字图像管理的重要前提,现有的基于底层特征的图像内容和高级人为理解的图像语

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。