基于K均值聚类和多示例学习的图像检索方法

doi:10.3724/SP.J.1087.2011.01546

计算机应用 ›› 2011, Vol. 31 ›› Issue (06): 1546-1548.DOI: 10.3724/SP.J.1087.2011.01546

基于K均值聚类和多示例学习的图像检索方法

温超,耿国华,李展

西北大学信息科学与技术学院，西安 710069

收稿日期:2010-12-07 修回日期:2011-01-15 发布日期:2011-06-20 出版日期:2011-06-01
通讯作者: 温超
作者简介:温超（1978-），男，陕西三原人，讲师，博士研究生，CCF会员，主要研究方向：图像检索、模式识别；耿国华（1955-），女，山东蓬莱人，教授，博士生导师，主要研究方向：模式识别、智能信息处理；李展 (1973-)，男，陕西户县人，讲师，主要研究方向：Web数据挖掘、图像检索。
基金资助:
国家自然科学基金资助项目;高等学校博士学科点专项科研基金资助项目;陕西省教育厅自然科学基金资助项目

Image retrieval based on K-means clustering and multiple instance learning

WEN Chao,GENG Guohua,LI Zhan

School of Information Science and Technology, Northwest University, Xi’an Shaanxi 710069, China

Received:2010-12-07 Revised:2011-01-15 Online:2011-06-20 Published:2011-06-01
Contact: WEN Chao

摘要/Abstract

摘要： 针对基于对象的图像检索问题，利用K均值（K-means）聚类，提出了一种新的基于多示例学习（MIL）框架的图像检索算法KP-MIL。该算法在正包和负包组成示例集合聚类，获取潜在正示例代表和包结构特性数据，然后利用径向基核分别度量两者的相似性，最后利用alpha因子均衡两者相似性对核函数结果的影响。在标准对象图像检索集SIGVAL上进行实验，实验结果表明，该方法是有效的且性能优于其他同类方法。

关键词: 图像检索, 多示例学习, K均值聚类, 径向基核, alpha因子

Abstract: Aiming at the problem of object-based image retrieval, a novel algorithm named KP-MIL was proposed, which worked in the Multiple Instance Learning (MIL) framework. Firstly, this algorithm clustered the instances in positive set and negative set, and found the potential positive instance and bag structure. Then an alpha coefficient was introduced to trade off between positive instance and bags similarity. Experiments on SIGVAL dataset show that this algorithm is feasible, and the performance is superior to other MIL algorithms.

Key words: image retrieval, Multiple Instance Learning (MIL), K-means clustering, Radial Basis Function (RBF), alpha coefficient

温超耿国华李展. 基于K均值聚类和多示例学习的图像检索方法[J]. 计算机应用, 2011, 31(06): 1546-1548.

WEN Chao GENG Guohua LI Zhan. Image retrieval based on K-means clustering and multiple instance learning[J]. Journal of Computer Applications, 2011, 31(06): 1546-1548.

[1]	杨成昊, 胡节, 王红军, 彭博. 基于注意力机制的不完备多视图聚类算法[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3784-3789.
[2]	郑盛有, 陈雁翔, 赵祖兴, 刘海洋. 多模态部分伪造数据集的构建与基准检测[J]. 《计算机应用》唯一官方网站, 2024, 44(10): 3134-3140.
[3]	王逸, 裴生雷, 王煜. 基于CSI和K-means-SVR的多指纹库室内定位方法[J]. 《计算机应用》唯一官方网站, 2023, 43(5): 1636-1640.
[4]	廖列法, 李志明, 张赛赛. 基于深度残差网络的迭代量化哈希图像检索方法[J]. 《计算机应用》唯一官方网站, 2022, 42(9): 2845-2852.
[5]	韩亚茹, 闫连山, 姚涛. 基于元学习的深度哈希检索算法[J]. 《计算机应用》唯一官方网站, 2022, 42(7): 2015-2021.
[6]	冯号, 黄朝兵, 文元桥. 基于改进YOLOv3的遥感图像小目标检测[J]. 《计算机应用》唯一官方网站, 2022, 42(12): 3723-3732.
[7]	杨粟, 欧阳智, 杜逆索. 基于相关度距离的无监督并行哈希图像检索[J]. 计算机应用, 2021, 41(7): 1902-1907.
[8]	陆荣秀, 陈明明, 杨辉, 朱建勇. 基于溶液图像时序特征的元素组分含量动态监测系统[J]. 计算机应用, 2021, 41(10): 3075-3081.
[9]	顾军华, 王锋, 戚永军, 孙哲然, 田泽培, 张亚娟. 基于多尺度卷积特征融合的肺结节图像检索方法[J]. 《计算机应用》唯一官方网站, 2020, 40(2): 561-565.
[10]	赵瑞祥, 侯宏花, 张鹏程, 刘祎, 田珠, 桂志国. 结合全卷积网络和K均值聚类的球栅阵列焊球边缘气泡分割[J]. 计算机应用, 2019, 39(9): 2580-2585.
[11]	李贺, 江登英, 黄樟灿, 王占占. 彩色图像颜色量化问题的求解方法[J]. 计算机应用, 2019, 39(9): 2646-2651.
[12]	张美玲, 吴俊峰, 于红, 崔榛, 董婉婷. 基于颜色四通道及空间金字塔的鱼类图像检索[J]. 计算机应用, 2019, 39(5): 1466-1472.
[13]	丁成, 王秋萍, 王晓峰. 基于广义反向学习的磷虾群算法及其在数据聚类中的应用[J]. 计算机应用, 2019, 39(2): 336-342.
[14]	秦品乐, 李启, 曾建潮, 张娜, 宋宇龙. 基于多尺度密集网络的肺结节图像检索算法[J]. 计算机应用, 2019, 39(2): 392-397.
[15]	叶双, 杨晓敏, 严斌宇. 基于自适应锚定邻域回归的图像超分辨率算法[J]. 计算机应用, 2019, 39(10): 3040-3045.

基于K均值聚类和多示例学习的图像检索方法

Image retrieval based on K-means clustering and multiple instance learning

PDF

可视化

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