基于聚类的人脸图像检索及相关反馈

提出了一种基于聚类的人脸图像检索算法. 首先利用归一化分割(Normalized cuts, NCuts)在每个时间段内分别对人脸聚类, 使同一个人在不同情况下的人脸图像聚为一类. 其次采用连续AdaBoost算法学习得到的人脸识别分类器度量人脸之间的相似度, 并进一步提出查询人脸与人脸聚类之间的相似度用于检索. 为了进一步提高性能, 用户可以在线标定错检和漏检的结果, 相关反馈环节把用户的交互标定结果作为约束条件重新对人脸聚类. 本文把人脸图像检索算法应用于自动的检索系统中, 在包含超过一千张人脸图像的家庭数码相册上, 通过与其他方法的对比实验证明了基于聚类的人脸图像检索算法是有效的.     

基于神经网络自学习的图像检索方法

相关反馈技术是近年来图像检索中较为活跃的研究方法之一.提出了一种基于神经网络自学习的图像检索方法,即在检索阶段利用人-机交互技术选出与检索图像相似的正例样本,然后构造出前向神经网络,进行自学习,以逐步达到提高查询效果的目的.神经网络的构造过程即是学习的过程,而且可以不断地学习.使用由9918幅图像组成的图像库进行实验,结果表明,该方法有助于用户表达查询意图和语义概念,可以通过交互式检索逐步求精地查找出更多、更准确的图像,并且具有较强的鲁棒性,可以结合各种特征表示和相似性匹配方法,交互地提高检索性能.     

基于前向神经网络的图像检索相关反馈算法设计

相关反馈技术是近年来较为重要的图像检索方法，该文从机器学习的角度出发，提出了一种基于神经网络的相关反馈算法，在检索过程中，用户可以标记出与查询图像相似的正例样本反馈给系统，然后由系统构造出前向神经网络并再次进行检索，以改进查询结果。该文对用于训练前向神经网络的构造性算法在图像检索中的几何意义进行了深入的研究，并在此基础上给出平移算法、反例标记学习算法、球半径系数自适应算法等，从而使基于神经网络自学习的相关反馈算法更加完善。实验表明，改进后的算法在图像检索中具有更好的性能和更强的推广能力。     

基于长期学习的多媒体数据库相似性检索

基于内容的相似性检索是多媒体数据库研究的重要内容之一.近年来,利用用户相关反馈技术改善检索性能的研究成为新的热点.但是,在传统的相关反馈方法中,系统积累的反馈历史数据未得到充分利用.为了进一步提高检索系统的性能,提出了一种对相关反馈序列日志进行协同过滤在线分析的相关反馈检索方法.该方法使用编辑距离对用户的反馈序列进行相似性度量,并根据协同过滤的思想对数据库中的媒体对象与当前检索的语义相关性进行预测,从而改善检索的效果.实现了一个图像数据库检索原型系统.对11 000幅图像数据库进行的实验表明,与传统相关反馈技术相比,该方法对检索性能有明显的改善.     

基于关键人物的分布式视频检索系统设计与实现

针对基于关键人物的视频检索问题,以Hadoop分布式计算平台为支撑,设计并实现了一个可处理大量视频数据的分布式视频检索原型系统.分析了系统的三大关键问题:基于人脸检测的视频帧提取、基于人脸匹配的视频帧筛选和基于PCA的相关视频检索.以2014年大数据竞赛提供的TED演讲视频基准数据集为例,对系统实现效果和检索性能进行了评测.     

历史信息学习的相关反馈图像检索

相关反馈技术被有效的应用于基于内容的图像检索.传统的相关反馈未能充分利用检索的历史信息.为了进一步提高检索的效率与准确性,提出一种基于历史检索信息学习的相关反馈检索方法.该方法将每次检索的结果作为历史检索信息保存.进行新的检索时,判断当前查询图像与历史检索信息的语义相关性,预测检索结果,以期减少相关反馈次数.对包含80 00幅图像的图像库实验表明,与传统相关反馈技术相比,该方法明显的改善了检索性能.     

一种用于DCT压缩域的人脸检测算法

人脸检测在基于内容的图像检索中具有重要意义.提出了一种DCT压缩域中灰度图像的人脸检测算法,利用统计学习的方法建立人脸模型.在重组的DCT系数中提取特征向量,并对其进行聚类.采用BP神经网络实现分类器.     

图象检索系统中的相关反馈技术研究

随着网络技术和通信技术的发展,图象和视频等数字媒体信息量正以指数形式增长.为了快速有效地检索这些数字信息,一种有效方法是采用基于内容的图象检索技术,但是,由于图象特征提取与描述、相似性度量方法等难以确定,使得查询描述无法嵌入用户语义信息,为此,设计了一个具有相关反馈的图象检索系统结构,并重点论述了基于修改查询矢量、基于神经网络及基于概率分布等几类相关反馈技术的思想及基本实现过程.通过比较分析表明,这几种相关反馈策略都可用于基于内容的查询.其中,修改查询矢量的相关反馈更适应于目标搜索,修改数据库概率分布的相关反馈更适应于随意浏览,而基于人工智能学习方法的相关反馈则更适应于分类搜索.     

一种基于显著点和SVM相关反馈的图像检索方法

针对传统基于全局特征的图像检索方法存在的不足,提出一种基于显著点特征和SVM(support vector machine)相关反馈相结合的图像检索方法.显著点提取方法是对图像进行小波分解,选择粗分辨率下绝对值较大的小波系数,它们对应原图像中变化较大的区域,然后在细分辨率下跟踪这些小波系数,提取原图像中的能代表这些变化的点,即显著点;然后利用显著点的空间分布信息,提取显著点周围局部区域的特征进行检索,并对检索结果进行SVM相关反馈.实验结果表明,引入反馈的方法可有效地检索更多的相关图像,明显提高了检索的准确性.     

一种利用综合评分的相关反馈图像检索方法

提出一种利用综合评分的相关反馈检索方法.该方法将用户对检索的满意度信息连同反馈记录一起存于反馈日志数据库中,在进行新的检索时,将当前反馈样本集合与通过分析历史反馈信息得到的扩充样本集合一起作为软标签SVM的输入,训练出分类器,并用三种评分的加权和作为图像库图像最终的评分值.对1000幅图像数据库的实验表明,与现有相关反馈方法相比,该文方法在提高反馈效率,充分利用历史反馈信息,克服反馈噪声方面都有明显改善.     

Image retrieval model based on weighted visual features determined by relevance feedback

An accurate and rapid method is required to retrieve the overwhelming majority of digital images. To date, image retrieval methods include content-based retrieval and keyword-based retrieval, the former utilizing visual features such as color and brightness, and the latter utilizing keywords that describe the image. However, the effectiveness of these methods in providing the exact images the user wants has been under scrutiny. Hence, many researchers have been working on relevance feedback, a process in which responses from the user are given as feedback during the retrieval session in order to define a user’s need and provide an improved result. Methods that employ relevance feedback, however, do have drawbacks because several pieces of feedback are necessary to produce an appropriate result, and the feedback information cannot be reused. In this paper, a novel retrieval model is proposed, which annotates an image with keywords and modifies the confidence level of the keywords in response to the user’s feedback. In the proposed model, not only the images that have been given feedback, but also other images with visual features similar to the features used to distinguish the positive images are subjected to confidence modification. This allows for modification of a large number of images with relatively little feedback, ultimately leading to faster and more accurate retrieval results. An experiment was performed to verify the effectiveness of the proposed model, and the result demonstrated a rapid increase in recall and precision using the same amount of feedback.     

基于前向神经网络的交互式图像检索系统

相关反馈技术是近年来基于内容图像检索中的研究重点,它有效地缩短了用户的高层语义概念同图像的底层视觉特征之间的差距,从而大大提高了系统的检索精度.本文对比了前向神经网络中的BP、FP和RBF三种网络学习算法;并在此基础上从机器学习的角度出发,分析了在图像检索中基于这三种网络的不同相关反馈技术.最后对今后的研究方向进行了展望.     

基于EBP-OP算法与纹理特征的图像检索

基于纹理特征的图像检索在多媒体数据库管理和多媒体通信传输中得到越来越多的重视。文章提出了一种基于图像纹理特征与多层前馈神经网络EBP-OP算法的图像检索方法。首先运用灰度共生矩阵提取图像的纹理特征,然后用EBP-OP算法对提取的纹理特征进行分类,并在此基础上实现一组纹理图像的检索,实验证明这种方法是有效的。     

基于神经网络的交互式图像检索

提出了基于神经网络的交互式图像检索方法,系统根据用户对检索结果的评价,动态构造神经网络,描述图像之间的相似性;图像间的这种相似性以及本次检索结果可以作为以后检索的历史信息保存在神经网络中,从而提高下一次检索的效率。实验表明,该方法嵌入到典型的图像检索系统中,改善了图像检索性能。     

结合深度学习与相关反馈的遥感图像检索

目的 针对基于内容的图像检索存在低层视觉特征与用户对图像理解的高层语义不一致、图像检索的精度较低以及传统的分类方法准确度低等问题，提出一种基于卷积神经网络和相关反馈支持向量机的遥感图像检索方法。方法 通过对比度受限直方图均衡化算法对遥感图像进行预处理，限制遥感图像噪声的放大，采用自学习能力良好的卷积神经网络对遥感图像进行多层神经网络的监督学习提取丰富的图像特征，并将支持向量机作为基分类器，根据测试样本数据到分类超平面的距离进行排序得到检索结果，最后采用相关反馈策略对检索结果进行重新调整。结果 在UC Merced Land-Use遥感图像数据集上进行图像检索实验，在mAP（mean average precision）精度指标上，当检索返回图像数为100时，本文方法比LSH（locality sensitive Hashing）方法提高了29.4%，比DSH（density sensitive Hashing）方法提高了37.2%，比EMR（efficient manifold ranking）方法提高了68.8%，比未添加反馈和训练集筛选的SVM（support vector machine）方法提高了3.5%，对于平均检索速度，本文方法比对比方法中mAP精度最高的方法提高了4倍，针对复杂的遥感图像数据，本文方法的检索效果较其他方法表现出色。结论 本文提出了一种以距离评价标准为核心的反馈策略，以提高检索精度，并采用多距离结合的Top-k排序方法合理筛选训练集，以提高检索速度，本文方法可以广泛应用于人脸识别和目标跟踪等领域，对提升检索性能具有重要意义。     

基于深度卷积神经网络的三维模型检索

为了更有效地利用三维模型数据集进行特征的自主学习,提出一种使用自然图像作为输入源,以三维模型的较优视图集为基础,通过深度卷积神经网络的训练提取深度特征用于检索的三维模型检索方法。首先,从多个视点对三维模型进行视图提取,并根据灰度熵的排序选取较优视图;然后,通过深度卷积神经网络对视图集进行训练,从而提取较优视图的深度特征并进行降维,同时,对输入的自然图像提取边缘轮廓图,经过相似度匹配获得一组三维模型;最后,基于检索结果中同类模型总数占检索列表长度的比例对列表进行重排序,从而获得最终的检索结果。实验结果表明,该算法能够有效利用深度卷积神经网络对三维模型的视图进行深度特征提取,同时降低了输入源的获取难度,有效提高了检索效果。     

视频的检索反馈

基于内容的视频检索是一个重要的研究领导领域,吸引了众多研究者的举,常用的查询方式是通过例子视频进行检索,但是如何定义是否两个视频相似,仍然是尚未解决的问题,限制了检索系统的应用范围,而且由于视频内容的复杂性,不同在检索过程中,即使对同一部视频,其注重的角度也有可能不同,因此接受用户的反馈意见,当用户对查询结果不满意时可以优化查询结果,突出用户的需求,在综合了人类礼堂心理特征的基础上,介绍了一种视频相似衡量的模型,从镜头、视频等多个层次,多种视觉判断角度,对视频间相似度进行衡量,并在此基础上提出了多个粒度－－镜头层次和视频层次进行检索反馈的方法,整个过程是自动进行的,根据用户的意见灵活地优化检索结果。     

基于可变形卷积的手绘图像检索

手绘图像仅包含简单线条轮廓, 与色彩、细节信息丰富的自然图像有着截然不同的特点. 然而目前的神经网络大多针对自然图像设计, 不能适应手绘图像稀疏性的特性. 针对此问题, 本文提出一种基于可变形卷积的手绘检索方法. 首先通过Berkerly边缘检测算法将自然图转化为边缘图, 消除域差异. 然后将卷积神经网络中的部分标准卷积替换为可变形卷积, 使网络能够充分关注手绘图轮廓信息. 最后分别将手绘图与边缘图输入网络并提取全连接层特征作为特征描述子进行检索. 在基准数据集Flickr15k上的实验结果表明, 本文方法与现有方法相比能够有效提高手绘图像检索精度.