快速图像标注的改进跨媒体相关模型

doi:10.11772/j.issn.1001-9081.2014.05.1439

计算机应用 ›› 2014, Vol. 34 ›› Issue (5): 1439-1441.DOI: 10.11772/j.issn.1001-9081.2014.05.1439

快速图像标注的改进跨媒体相关模型

包翠竹¹,宋海玉¹,牛军海²,夏秀¹,林耀宗¹,王炳飞¹

1. 大连民族学院计算机科学与工程学院，辽宁大连 116600
2. 河南安彩高科有限公司浮法玻璃事业部，河南安阳 455000

收稿日期:2013-11-08 修回日期:2013-12-22 发布日期:2014-05-30 出版日期:2014-05-01
通讯作者: 宋海玉
作者简介:包翠竹（1990-），女（蒙古族），内蒙古乌兰浩特人，硕士研究生，主要研究方向：图像理解、机器学习；宋海玉（1971-），男，河南安阳人，副教授，博士，主要研究方向：图像理解、计算机视觉、机器学习；牛军海（1974-），男，河南安阳人，工程师，主要研究方向：模式识别、自动控制；夏秀（1990-），女，山东禹城人，硕士研究生，主要研究方向：图像理解；林耀宗（1988-），男，浙江温州人，硕士研究生，主要研究方向：图像理解；王炳飞（1989-），男，河南新乡人，硕士研究生，主要研究方向：图像理解。
基金资助:
国家民委科研资助项目;中央高校基本科研业务费专项

Improved cross-media relevance model for quick image annotation

BAO Cuizhu¹,SONG Haiyu¹,NIU Junhai²,XIA Xiu¹,LIN Yaozong¹,WANG Bingfei¹

1. College of Computer Science and Engineering, Dalian Nationalities University, Dalian Liaoning 116600, China;
2. Float Glass Division, Henan Ancai Hi-Tech Company Limited, Anyang Henan 455000, China

Received:2013-11-08 Revised:2013-12-22 Online:2014-05-30 Published:2014-05-01
Contact: SONG Haiyu

摘要/Abstract

摘要：

针对跨媒体相关模型（CMRM）标注效率低、标注效果差的不足，提出了改进的跨媒体相关模型。提出的模型在改进了词汇平滑处理方法的基础之上，通过简洁的图像特征表示方法和相似度计算方法更准确地度量了图像与图像之间的相关性。在Corel5k数据集上的实验结果表明，所提出的改进CMRM标注效率显著提高，性能是原始CMRM的近3倍，而且，也优于高质量的标注模型，如著名的多伯努利相关模型（MBRM）和有指导的多类标签（SML）等模型。

Abstract:

To overcome the shortcomings of Cross-Media Relevance Model (CMRM) whose efficiency and effectiveness are low, an improved CMRM was proposed. Based on the improved smoothing method for textual words, the improved CMRM simplified the feature representation and similarity computation which made the measure of relationship between image and image more accurate. The experimental results on the Corel5k dataset show that the proposed approach can significantly improve annotation efficiency. The performance of the improved CMRM is almost three times as good (in terms of mean F1-measure) as original CMRM, also, better than some previously published high quality algorithms such as famous Multiple Bernoulli Relevance Model (MBRM) and Supervised Multiclass Labeling (SML).

中图分类号:

TP391

包翠竹宋海玉牛军海夏秀林耀宗王炳飞. 快速图像标注的改进跨媒体相关模型[J]. 计算机应用, 2014, 34(5): 1439-1441.

BAO Cuizhu SONG Haiyu NIU Junhai XIA Xiu LIN Yaozong WANG Bingfei. Improved cross-media relevance model for quick image annotation[J]. Journal of Computer Applications, 2014, 34(5): 1439-1441.

参考文献

［1］JEON J, LAVRENKO V, MANMATHA R. Automatic image annotation and retrieval using cross media relevance models ［C］// Proceedings of the 26th Annual International ACM SIGIR Conference on Research and Development in Information Retrieval. New York: ACM, 2003:119-126.
［2］LU H, LIU J. Image annotation based on graph learning ［J］. Chinese Journal of Computers, 2008, 31(9) :1629-1539.（卢汉清,刘静.基于图学习的自动图像标注［J］.计算机学报,2008,31(9):1629-1539.）
［3］JELINEK F, MERCER R L. Interpolated estimation of Markov source parameters from sparse data ［C］// Proceedings of the Workshop on Pattern Recognition in Practice. Amsterdam: North Holland, 1980:381-397.
［4］SHI J, MALIK J. Normalized cuts and image segmentation ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2000,22(8):888-905.
［5］DENG Y, MANJUNATH B S, SHIN H. Color image segmentation ［C］// Proceedings of the 1999 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Piscataway: IEEE Press, 1999,2:446-451.
［6］SONG H. Research on the automatic image annotation and annotation refinement algorithms ［D］. Changchun: Jilin University, 2012.（宋海玉.自动图像标注及标注改善算法的研究［D］.长春：吉林大学,2012.）
［7］LAVRENKO V, MANMATHA R, JEON J. A model for learning the semantics of pictures ［EB/OL］.［2013-04-21］. http://ciir.cs.umass.edu/pubfiles/mm-46.pdf.
［8］FENG S L, MANMATHA R, LAVRENKO V. Multiple Bernoulli relevance models for image and video annotation ［EB/OL］.［2013-05-05］. http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.58.1879&rep=rep1&type=pdf.
［9］CARNEIRO G, CHAN A B, 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.
［10］MAKADIA A, PAVLOVIC V, KUMAR S. Baselines for image annotation ［J］. International Journal of Computer Vision, 2010,90(1):88-105.
［11］MAKADIA A, PAVLOVIC V, KUMAR S. A new baseline for image annotation ［C］// Proceedings of the 10th European Conference on Computer Vision. Berlin: Springer-Verlag, 2008:316-329.

[1]	张佳慧李晓明张嘉祥. 强化形态感知的路面缺陷检测算法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[2]	杨建锋陈斌李雨轩. 基于点云重构的自监督点云异常检测方法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[3]	薛振华李强黄超. 视觉大模型驱动的像素级图像异常检测模型[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[4]	蒋畅江向杰何旭颖. 面向机械臂抓取的双目视觉目标定位算法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[5]	边小勇胡其仁袁培洋. 多注意力对比学习的红外小目标检测[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[6]	李钟华钟庚辛范萍朱恒亮. 通过边界挖掘和背景引导的伪装目标检测[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[7]	吴松霖张广朝姚远彭博. 基于判别区域引导的多视图困难气道识别[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[8]	李强白少雄熊源袁薇. 基于视觉大模型隐私保护的监控图像定位[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[9]	薛雅丽徐忠敏刘世豪. 基于多级小波残差网络的重力数据去噪方法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[10]	况世雄姚俊波陆佳炜王琪冰肖刚. 基于动态图卷积网络的电梯乘客异常行为数据增强方法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[11]	康斌陈斌王俊杰李昱林赵军智咸伟志. 基于多粒度共享语义中心关联的文本到人物检索方法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[12]	张庆杨凡方宇涵. 基于多模态信息融合的中文拼写纠错算法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[13]	王昊王金伟程鑫张家伟吴昊罗向阳马宾. 彩色图像JPEG重压缩取证综述[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[14]	王磊胡节彭博. 用于半监督火灾检测的分布自适应和动态课程伪标签框架[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[15]	刘晋文王磊马博董瑞杨雅婷艾合塔木江·艾合麦提王欣乐. 基于弱监督模态语义增强的多模态有害信息检测方法 [J]. 《计算机应用》唯一官方网站, 0, (): 0-0.

快速图像标注的改进跨媒体相关模型

Improved cross-media relevance model for quick image annotation

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