Research on Automatic Images Annotation Based on Scene Analysis.pdf

1、我們?nèi)缃裆钤谝粋€(gè)全球化的時(shí)代，能非常容易的訪問大量信息，尤其是“圖像”。如果我們能夠分類所有的數(shù)據(jù)，這會(huì)使得訪問變得更加容易和快速。這便是“計(jì)算機(jī)視覺”這個(gè)經(jīng)典問題的起源。分類圖像數(shù)據(jù)最重要的事情是重定義這些圖像。有大量關(guān)于此問題的研究，即：圖像分類，圖像檢索，以及圖像標(biāo)注。有大量關(guān)于“圖像標(biāo)注”的研究，這些研究在對(duì)圖像視區(qū)和高級(jí)語意字之間的聯(lián)系起著非常重要的作用。
　　 圖像標(biāo)注有3種類型：手工，半手工，和自動(dòng)圖像標(biāo)注(AI

2、A)。此研究主要是針對(duì)AIA開發(fā)。AIA作為自動(dòng)系統(tǒng)有效的節(jié)省了我們的時(shí)間。然而，相較于手工和半手工來說它的準(zhǔn)確性是三種之中最低的。因此，找到一種好的辦法開發(fā)此系統(tǒng)是很難的。
　　 此研究主要是基于PLSA&GMM模型并對(duì)其進(jìn)行改進(jìn)從而得到“SC&GMM”。在自然語言處理領(lǐng)域，相比較于其它模型PLSA模型能夠更好的標(biāo)注關(guān)鍵字。SC&GMM是基于場(chǎng)景分析的原則，并包含兩個(gè)階段。第一個(gè)階段是訓(xùn)練過程，目的是將訓(xùn)練數(shù)據(jù)集分類到特征空間

3、。第二個(gè)階段是對(duì)測(cè)試圖像數(shù)據(jù)標(biāo)注關(guān)鍵字。SC&GMM算法通過使用PLSA聚類從組語意場(chǎng)景開始運(yùn)行。然后，通過計(jì)算語意特征提取來找到場(chǎng)景中圖像標(biāo)注的關(guān)鍵字，其中每個(gè)圖像有374維。
　　 之后，計(jì)算所有訓(xùn)練圖像對(duì)之間的視覺特征提取距離(每張圖像在每個(gè)分段區(qū)域有36D)方式Earth Mover’s Distance(EMD)，創(chuàng)建一個(gè)距離向量。然后，把這些數(shù)據(jù)通過運(yùn)用分層聚類分發(fā)到視覺場(chǎng)景中。當(dāng)?shù)玫秸Z意場(chǎng)景和視覺場(chǎng)景之后，對(duì)相似場(chǎng)

4、景中的每個(gè)圖像進(jìn)行比較。如果它們相似，把語意場(chǎng)景和視覺場(chǎng)景結(jié)合在一起，結(jié)合方式是擁較少圖像的場(chǎng)景融合到圖像元素多的場(chǎng)景里。然后，對(duì)無相似剩余視覺場(chǎng)景計(jì)算注釋關(guān)鍵字。對(duì)所有場(chǎng)景通過運(yùn)用GMM來創(chuàng)建向量空間。
　　 接下來是通過對(duì)各個(gè)特征空間圖與像數(shù)據(jù)視覺特征的比較來給測(cè)試圖像數(shù)據(jù)從而標(biāo)注關(guān)鍵字。此過程是通過本征場(chǎng)景來找出視覺特征的秘密。如果它們相似，通過運(yùn)用GMM把它們放在一起。然后，給引用場(chǎng)景的圖像注釋關(guān)鍵字。
　　 在