|
|||||
|
|
| 自动图像标注技术研究进展 | |
| 引用本文： | 鲍 泓,徐光美,冯松鹤,须 德.自动图像标注技术研究进展[J].计算机科学,2011,38(7):35-40. |
| 作者姓名： | 鲍 泓 徐光美 冯松鹤 须 德 |
| 作者单位： | 1. 北京交通大学计算机与信息技术学院,北京100044;北京联合大学信息学院,北京100101 2. 北京联合大学信息学院,北京,100101 3. 北京交通大学计算机与信息技术学院,北京,100044 |
| 基金项目： | 本文受闰家白然科学基金项目(60972145)，北京市教育委员会人才强教深化计划(PHR07120)资助。 |
| 摘 要： | 近年来，自动图像标注(Automatic Image Annotation,AIA)技术已经成为图像语义理解研究领域的热点。其基本思想是利用已标注图像集或其他可获得的信息自动学习语义概念空间与视觉特征空间的潜在关联或者映射关系，来预测未知图像的标注。随着机器学习理论的不断发展，包括相关模型、分类器模型等不同的学习模型已经被广泛地应用于自动图像标注研究领域。现有的自动图像标注算法可以大致分为基于分类的标注算法、基于概率关联模型的标注算法以及基于图学习的标注算法等三大类。首先根据自动图像标注算法的特征提取及表示机制不同，将现有算法划分为基于全局特征和基于区域划分的自动图像标注方法。其次，在基于区域划分的自动图像标注算法中，按照学习算法的不同，将其划分为基于分类的标注方法、基于概率关联模型的标注方法以及基于图学习的标注方法，并分别介绍各类别中具有代表性的标注算法及其优缺点。然后给出了自动图像标注最新的研究进展，最后探讨自动图像标注的进一步研究方向。 |
| 关 键 词： | 自动图像标注，多示例学习，多标记学习，图学习，概率建模 |
Advances in Automatic Image Annotation |
|
| BAO Hong,XU Guang-mei,FEND Song-he,XU De.Advances in Automatic Image Annotation[J].Computer Science,2011,38(7):35-40. | |
| Authors: | BAO Hong XU Guang-mei FEND Song-he XU De |
| Abstract: | |
| Keywords: | Automatic image annotation Multi-instance learning Multi-label learning Graph learning Probabilistic modeling |
| 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 | |