安徽省高校省级自然科学研究项目(KJ2103A217)
- 作品数：2 被引量：6H指数：2
- 相关作者：郭玉堂李艳更多>>
- 相关机构：合肥师范学院安徽大学更多>>
- 发文基金：安徽省自然科学基金安徽省高校省级自然科学研究项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于连续预测的半监督学习图像语义标注被引量：3
- 2015年
- 为了在图像底层特征与高层语义之间建立关系,提高图像自动标注的精确度,结合基于图学习的方法和基于分类的标注算法,提出了基于连续预测的半监督学习图像语义标注的方法,并对该方法的复杂度进行分析。该方法利用标签数据提供的信息和标签事例与无标签事例之间的关系,根据邻接点(事例)属于同一个类的事实,构建K邻近图。用一个基于图的分类器,通过核函数有效地计算邻接信息。在建立图的基础上,把经过划分后的样本节点集通过基于连续预测的多标签半监督学习方法进行标签传递。实验表明,提出的算法在图像标注中的标注词的平均查准率、平均查全率方面有显著的提高。
- 郭玉堂李艳
- 关键词：图像标注
- 基于CCA子空间和GMM的自动图像标注被引量：3
- 2013年
- 为了避免图像分割,并提高图像标注精度,提出一种基于典型相关分析(CCA)和高斯混合模型(GMM)的自动图像标注方法。利用CCA对图像的全局颜色特征与全局局部二值模式(LBP)纹理特征进行特征融合。使用融合后的语义特征,对每一个关键词建立GMM模型来估计单词类密度,从而在特征子空间中得到每个单词的概率分布。采用贝叶斯分类器确定每个标注词和测试图像的联合概率,运用词间语义关系优化标注结果。实验结果表明,使用该方法后的图像标注性能有了较大程度的改善。
- 郭玉堂韩昌刚
- 关键词：高斯混合模型图像标注子空间
