| 结合组稀疏效应和多核学习的图像标注 |
| |
| 作者姓名： | 袁莹 邵健 吴飞 庄越挺 |
| |
| 作者单位： | 浙江大学计算机科学与技术学院人工智能研究所,浙江杭州,310027 |
| |
| 基金项目： | 国家自然科学基金(61070068,60833006);国家重点基础研究发展计划(973)(2010CB327904);核高基项目(2010ZX01042-002-003) |
| |
| 摘 要： | 图像中存在的纹理、颜色和形状等异构视觉特征,在表示特定高层语义时所起作用的重要程度不同,为了在图像标注过程中更加有效地利用这些异构特征,提出了一种基于组稀疏(group sparsity)的多核学习方法(multiple kernel learning with group sparsity,简称MKLGS),为不同图像语义选择不同的组群特征.MKLGS先将包含多种异构特征的非线性图像数据映射到一个希尔伯特空间,然后利用希尔伯特空间中的核函数以及组LASSO(groupLASSO)对每个图像类别选择最具区别性特征的集合,最终训练得到分类模型对图像进行标注.通过与目前其他图像标注算法进行对比,实验结果表明,基于组稀疏的多核学习方法在图像标注中能取得很好的效果.
|
| 关 键 词： | 组LASSO 组稀疏 多核学习 特征选择 图像标注 |
| 收稿时间： | 2011-03-07 |
| 修稿时间： | 2011-09-22 |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《软件学报》浏览原始摘要信息 |
|
点击此处可从《软件学报》下载免费的PDF全文 |
|
