| 基于QPSO-MIL算法的图像标注 |
| |
| 引用本文： | 李大湘,彭进业,卜起荣.基于QPSO-MIL算法的图像标注[J].计算机科学,2010,37(6):278-282. |
| |
| 作者姓名： | 李大湘 彭进业 卜起荣 |
| |
| 作者单位： | 1. 西北大学信息科学与技术学院,西安,710069
2. 西北大学信息科学与技术学院,西安,710069;西北工业大学电子信息学院,西安,710072 |
| |
| 基金项目： | 教育部新世纪优秀人才支持计划项目 |
| |
| 摘 要： | 在多数现有图像标注图像库中,关键字只标注在图像级而非区域级,使有监督学习方法在图像标注中难以应用.基于量子粒子群优化算法(quantum-behaved particle swarm optimization,QPSO)提出了一种新的多示例学习(multi-instance learning,MIL)算法--QPSO-MIL算法,在多示例学习的框架下将基于区域的图像标注问题描述成一个有监督的学习问题.该方法将图像当作包,分割的区域当作包中的示例,利用多样性密度(DD)函数,定义了粒子的适应度向量.在示例空间,利用QPSO方法在各个维度上同时搜索DD函数的全局极大值点,作为关键字的概念点,然后根据Bayesian后验概率最大准则(MAP)对图像进行标注.通过ECCV 2002图像库的实验结果表明,QPSO-MIL算法是有效的.
|
| 关 键 词： | 多示例学习 图像标注 量子粒子群优化 |
| 收稿时间： | 2009/7/31 0:00:00 |
| 修稿时间： | 2009/11/18 0:00:00 |
QPSO-based Multi-instance Learning for Image Annotation |
| |
| LI Da-xiang,PENG Jin-ye,BU Qi-rong.QPSO-based Multi-instance Learning for Image Annotation[J].Computer Science,2010,37(6):278-282. |
| |
| Authors: | LI Da-xiang PENG Jin-ye BU Qi-rong |
| |
| Affiliation: | (School of Information Science and Technology,Northwest University,Xi'an 710069,China);(School of Electronics Information, Northwestern Polytechnical University, Xi' an 710072 , China) |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
点击此处可从《计算机科学》下载全文 |
|
