基于贝叶斯通用背景模型的图像标注

在高斯图特征提取过程中,通用背景模型(Universal background model, UBM) 方法常用于根据总体分布估计每一幅图像中特征点分布的高斯混合模型(Gaussian mixture model, GMM)参数. 然而UBM估计的GMM权重参数中有很多接近零的数值,它们所对应的高斯分量对分布估计贡献小却又都参与了计算, 因此UBM的时间复杂度较高. 为解决这个问题,本文提出Bayes UBM方法. 通过引入受限的对称Dirichlet分布来描述GMM权重参数的先验分布,利用Bayes最大后验概率对GMM参数集进行估计. 实验表明Bayes UBM方法不仅有效地降低了时间复杂度,而且提高了Corel数据集上的图像标注精度.     

基于CCA子空间和GMM的自动图像标注

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.     

基于语义学习的图像多模态检索

针对语义鸿沟问题,在语义学习的基础上设计图像的多模态检索系统。该系统结合3种查询方式进行图像检索。基于视觉特征的查询通过特征提取与相似度匹配进行排位。基于标签的查询建立在图像自动标注的基础上,但在语义空间之外的泛化能力较差。基于语义图例的查询能够在很大程度上克服这个缺陷,通过在显式或隐式的语义空间上进行查询,使检索结果更符合人类感知。实验结果表明,与基于纹理特征的图像检索相比,基于语义图例的检索具有更高的精度及召回率。     

面向国防科技领域的技术和术语语料库构建方法

互联网存在海量的文献和科技信息,隐含着大量高价值情报。识别国防科技领域中的技术和术语可以为构建国防科技知识图谱奠定基础。该文基于此领域的海量军事文本,以维基百科中军事领域的新技术为基点采集语料,涵盖了新闻、文献和维基百科三种体裁。在分析军事技术文本特点的基础上制定了一系列标注规范,开展了大规模语料的标注工作,构建了一个面向国防科技领域的技术和术语语料库。该语料库共标注了479篇文章,包含24 487个句子和33 756个技术和术语。同时,该文探讨了模型预标注策略的可行性,并对技术和术语类别在不同体裁上的分布以及语料标注的一致性进行了统计分析。基于该语料库的实验表明,技术和术语识别性能F₁值达到70.40%,为进一步的技术和术语识别研究提供了基础。     

Analysis of annotations on documents for recycling of information

In order to make collaborative business activities fruitful, it is essential to know characteristics of organizations and persons in more details and to gather information relevant to the activities. In this paper, we describe a notion of “information recycling” that actualizes these requirements by analyzing documents. The key of recycling information is to utilize annotations on documents as clues for generating user profiles and for weighting contents in the context of the activities. We also propose a method of extracting annotations on paper documents just by pressing one button with the help of techniques of camera‐based document image analysis. Experimental results demonstrate that it is fundamentally capable of acquiring annotations on paper documents on the condition that their electronic versions without annotations are available for the processing. © 2008 Wiley Periodicals, Inc. Electr Eng Jpn, 165(2): 60–68, 2008; Published online in Wiley InterScience ( www.interscience.wiley.com ). DOI 10.1002/eej.20516     

“三规合一”数据的注记图层坐标转换处理方法研究

注记图层因为存储了文字的位置信息,且具有相对比例尺,字体大小可以相对变化,越来越多地被应用于GIS数据建库中。 ArcGIS MDB坐标转换中,注记图层的处理不同于普通的点线面图层。本文详细讲述了＂三规合一＂数据坐标转换中注记图层的处理方法和过程,通过本方法进行处理,既省略了重建注记子类型分类的步骤,减少手工录入量,又保留了原有图层各属性字段内容,同时也保留了注记字体、大小、角度等相关显示信息,能最大程度保持原有注记显示效果。     

飞机钣金特征的智能三维标注技术

采用CAA对CATIA进行二次开发,建立了钣金零件的检验规划系统.通过钣金零件的检验规划系统得到特征的检验方法,并将所有特征对应的检验方法通过智能三维标注技术,标注到三维模型上.智能三维标注,即通过人机智能交互的方式,将所有的检验信息全部表示在三维图上,简单,直观,明了.     

云计算中的群体智能与不确定性知识表示

The lasting evolution of computing environment, software engineering and interaction methods leads to cloud computing. Cloud computing changes the configuration mode of resources on the Internet and all kinds of resources are virtualized and provided as services. Mass participation and online interaction with social annotations become usual in human daily life. People who own similar interests on the Internet may cluster naturally into scalable and boundless communities and collective intelligence will emerge. Human is taken as an intelligent computing factor, and uncertainty becomes a basic property in cloud computing. Virtualization, soft computing and granular computing will become essential features of cloud computing. Compared with the engineering technological problems of IaaS (Infrastructure as a service), PaaS (Platform as a Service) and SaaS (Software as a Service), collective intelligence and uncertain knowledge representation will be more important frontiers in cloud computing for researchers within the community of intelligence science.     

基于Matlab的图像自动标注

图像自动标注在检索大量数字图像时起到关键作用,它能将图像的视觉特征转化为图像的标注字信息,为用户的使用及检索带来极大的方便。研究了图像自动语义标注方法,设计并实现了基于Matlab图像自动标注系统,能够提取图像颜色特征和纹理特征,与已标注图像进行相似性度量并标注出图像语义关键词