反馈日志与混合概率模型相结合的图像标注

doi:10.3969/j.issn.1000-3428.2012.21.054

计算机工程 ›› 2012, Vol. 38 ›› Issue (21): 202-205. doi: 10.3969/j.issn.1000-3428.2012.21.054

反馈日志与混合概率模型相结合的图像标注

黄勇辉¹，尚赵伟¹，张明新²

(1. 重庆大学计算机学院，重庆 400030；2. 常熟理工学院计算机科学与工程学院，江苏常熟 215500)

收稿日期:2012-01-06 出版日期:2012-11-05 发布日期:2012-11-02
作者简介:黄勇辉(1987－)，男，硕士研究生，主研方向：模式识别，图像处理；尚赵伟、张明新，副教授、博士
基金资助:
国家自然科学基金资助项目(61173130)；重庆市自然科学基金资助项目(CSTC2010BB2217)；中央高校基本科研业务费专项基金资助项目(CDJRC10180009, CDJXS10182216)

Image Annotation Combining Feedback Log and Mixture Probabilistic Model

HUANG Yong-hui ¹, SHANG Zhao-wei ¹, ZHANG Ming-xin ²

(1. College of Computer Science, Chongqing University, Chongqing 400030, China; 2. School of Computer Science and Engineering, Changshu Institute of Technology, Changshu 215500, China)

Received:2012-01-06 Online:2012-11-05 Published:2012-11-02

摘要/Abstract

摘要： 为提高图像标注质量，提出一种反馈日志与混合概率模型相结合的图像标注方法。利用本体语义网计算标注词之间的相似性度，将相似度应用于日志分析，得到具体应用中的标注词间关系，结合标注词间的关系和图像底层特征，使用混合概率模型进行自动图像标注。实验结果表明，该方法能获得较好的查全率和查准率。

关键词: 图像标注, 语义鸿沟, 混合概率模型, 日志, 语义相关度

Abstract: To improve the quality of automatic image annotation. A image annotation method combined of feedback log and mixture probabilistic model is proposed in this paper. It calculates the similarity of words by using ontology semantic-web, analyzes the feedback logs by using these similarity and gets the correlation of words in this application, combines the correlation and low-level image features to annotation images. Experimental results show that this method can achieve good recall ratio and precision ratio.

Key words: image annotation, semantic gap, mixture probabilistic model, log, semantic similarity

中图分类号:

TN911.73

黄勇辉, 尚赵伟, 张明新. 反馈日志与混合概率模型相结合的图像标注[J]. 计算机工程, 2012, 38(21): 202-205.

HUANG Yong-Hui, CHANG Diao-Wei, ZHANG Meng-Xin. Image Annotation Combining Feedback Log and Mixture Probabilistic Model[J]. Computer Engineering, 2012, 38(21): 202-205.

https://www.ecice06.com/CN/Y2012/V38/I21/202

参考文献

[1] Wang Feichao. A Survey on Automatic Image Annotation and Trends of the New Age[J]. Procedia Engineering, 2011, 23: 434-438.
[2] Zhang Dengsheng, Islam M M, Lu Guojun. A Review on Automatic Image Annotation Techniques[J]. Pattern Recognition, 2012, 45(1): 346-362.
[3] Duygulu P, Barnard K. Object Recognition as Machine Translation: Learning a Lexicon for a Fixed Image Vocabulary[C]//Proc. of the 7th European Conference on Computer Vision. Berlin, Germany: Springer, 2002.
[4] Jeon J. Automatic Image Annotation and Retrieval Using Cross- media Relevance Models[C]//Proc. of the 26th Annual International ACM SIGIR Conference on Research and Development in Informaion Retrieval. [S. l.]: ACM Press, 2003.
[5] Feng Shaolei, Manmatha R, LaVrenko V. Multiple Bernoulli Relevance Models for Image and Video Annotation[C]//Proc. of IEEE Computer Society Conference on Computer Vision and Pattern Recognition. [S. l.]: IEEE Press, 2004.
[6] Carneiro G, Antoni B C, Moreno P J, et al. Supervised Learning of Semantic Classes for Image Annotation and Retrieval[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2007, 29(3): 394-410.
[7] Zhou Ning, William K. A Hybrid Probabilistic Model for Unified Collaborative and Content-based Image Tagging[J]. IEEE Transactions on Pattern analysis and Machine Intelligence, 2011, 33(7): 1281-1293.
[8] Herlocker J, Konstan J, Borchers A, et al. An Algorithmic Framework for Performing Collaborative Filtering[C]//Proc. of the 22nd Annual International ACM SIGIR Conference on Research and Development in Information Retrieval. New York, USA: ACM Press, 1999.
[9] Matlab. Code for the Colored Pattern Appearance Model[EB/OL]. (2010-11-21). http://www.viplab.cs.nott.ac.uk/download/CPAM.html.
[10] 冯霞, 黄亚楼. 基于压缩直方图的图像分类[J]. 南京航空航天大学学报, 2005, 37(3): 319-324.
[11] Chandramouli K, Izquierdo E. Multi-class Relevance Feedback for Collaborative Image Retrieval[C]//Proc. of the 10th Workshop on Image Analysis for Multimedia Interactive Services. [S. l.]: IEEE Press, 2009.
[12] Steven C H, Michael H R. A Unified Log-based Relevance Feedback Scheme for Image Retrieval[J]. IEEE Transactions on Knowledge and Data Engineering, 2006, 18(4): 509-524.

[1]	孙嘉, 张建辉, 卜佑军, 陈博, 胡楠, 王方玉. 基于CNN-BiLSTM模型的日志异常检测方法[J]. 计算机工程, 2022, 48(7): 151-158,167.
[2]	吴正江, 姚琪, 冯四风, 顾青. 基于数据库二进制日志的竞赛式仲裁优化方案[J]. 计算机工程, 2021, 47(5): 24-29.
[3]	杜诗晴, 王鹏, 汪卫. 一种基于MDL的日志序列模式挖掘算法[J]. 计算机工程, 2021, 47(2): 118-125.
[4]	杨瑞朋, 屈丹, 朱少卫, 钱叶魁, 唐永旺. 基于改进时间卷积网络的日志序列异常检测[J]. 计算机工程, 2020, 46(8): 50-57.
[5]	韩菊茹,纪兆轩,李一鸣,马存庆. 基于区块链的可信日志存储与验证系统[J]. 计算机工程, 2019, 45(5): 13-17.
[6]	张浩盛伦,李翀,柯勇,张士波. 一种分布式用户浏览点击模型算法[J]. 计算机工程, 2019, 45(3): 1-6.
[7]	高军,黄献策. 基于Hadoop平台的相关性权重算法设计与实现[J]. 计算机工程, 2019, 45(3): 26-31.
[8]	曾梦琪, 马蔚吟, 李力. 基于混合相似度的高效图像检索方案[J]. 计算机工程, 2019, 45(11): 262-268.
[9]	吴亚锋,谭文安. 基于邻接矩阵的业务流程间距离计算方法[J]. 计算机工程, 2018, 44(4): 52-58.
[10]	荆琪,段利国,李爱萍,赵谦. 基于维基百科的短文本相关度计算[J]. 计算机工程, 2018, 44(2): 197-202.
[11]	杜海森,杜玉越. 基于不完备日志的块状并发过程挖掘[J]. 计算机工程, 2018, 44(12): 56-61.
[12]	王建文,林劼. 基于颜色直方图金字塔的图像自动标注方法[J]. 计算机工程, 2016, 42(6): 235-240.
[13]	左遥,梁英,许洪波,黄硕. 一种面向图数据的预装载缓存策略[J]. 计算机工程, 2016, 42(5): 85-92,107.
[14]	彭远浩,潘久辉. 基于日志分析的增量数据捕获方法研究[J]. 计算机工程, 2015, 41(6): 56-60,65.
[15]	张乃洲. 基于时间点击图挖掘的查询建议方法[J]. 计算机工程, 2015, 41(5): 191-196.

选择文件类型/文献管理软件名称

选择包含的内容

反馈日志与混合概率模型相结合的图像标注

Image Annotation Combining Feedback Log and Mixture Probabilistic Model

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

反馈日志与混合概率模型相结合的图像标注

Image Annotation Combining Feedback Log and Mixture Probabilistic Model

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价