自动图像标注论文:基于机器学习算法及自动图像标注

自动图像标注论文:基于机器学习算法及自动图像标注

ID:30445918

大小:82.54 KB

页数:6页

时间:2018-12-30

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

《自动图像标注论文:基于机器学习算法及自动图像标注》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库

1、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

2、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

3、来。本文主要关注的机器学习算法为改进后的NewNBtree算法、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。【英文摘要】”Semanti

4、cClarity”isanimportantprerequisiteofalarge-scaledigitalimagemanagement,itexistsabiggapbetweentheunderlyingfeaturesoftheimageandadvancedsemanticsoftheimageunderstoodbyhuman.Therefore,automaticacquisitionofthesemanticcontentoftheimagethroughcomputerinformationtechnologyisveryimportant

5、theoreticalandpracticalsignificance.Thesubstanceofautomaticimageannotationistoobtainhigh-levelsemantickeywordsthroughprocessingandanalyzingtheunderlyingvisualinformationfeaturesofimage.Weusethissetoftopsemantickeywordstorepresenttheimagefeaturesinthesamewaywhichimagecanberetrievedas

6、currenttextsearch.Automaticimageannotationbasedonclassificationisoneofthemostwidelyusedmethodsinthecurrentimageannotationfields.Theresearchgoalistocombinethecharacteristicsofthecurrentannotationmodel,andusemachinelearningclassificationalgorithmtoannotatetheimage.Comparedwiththeprevi

7、ousclassificationbasedontheclassicmodelofautomaticimageannotationalgorithm,theproposeddecisiontreealgorithmclassificationhasahighimprovementinaccuracy,andthesystemcanuserulestomarktheimagethatcanbeunderstood.Inordertoobtainthelabelingrules,wemustfirstcarryoutthetrainingprocessofthew

8、holesystem.Aftereac

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。