基于多視圖學(xué)習(xí)與主動查詢的圖像檢索研究.pdf

1、目前，隨著信息技術(shù)的不斷發(fā)展，多媒體資源大量膨脹，進(jìn)而滿足用戶對多媒體數(shù)據(jù)的檢索成為了信息服務(wù)的挑戰(zhàn)之一。圖像數(shù)據(jù)作為多媒體數(shù)據(jù)的重要組成部分，其已經(jīng)成為在教育、科技等諸多領(lǐng)域的進(jìn)行信息傳播的主要形式，因此圖像的標(biāo)記和檢索一直是信息服務(wù)領(lǐng)域的研究熱點(diǎn)。
　　 圖像標(biāo)記和圖像檢索的研究目前已經(jīng)取得了長足的進(jìn)步，但是圖像檢索的性能與人們的期望還尚存差距。一方面?zhèn)鹘y(tǒng)的標(biāo)記算法將花費(fèi)大量的人力資源和時(shí)間成本，另一方面?zhèn)鹘y(tǒng)的方法很難彌合用

2、戶的檢索意圖與檢索結(jié)果的語義差。
　　 從以上兩點(diǎn)出發(fā)，本文提出了基于半監(jiān)督學(xué)習(xí)和主動學(xué)習(xí)融合的圖像檢索方法。旨在使用半監(jiān)督學(xué)習(xí)有效提高大規(guī)模圖像檢索中自動補(bǔ)充標(biāo)記樣本數(shù)量，使用主動學(xué)習(xí)用于糾正檢索結(jié)果中錯誤檢索結(jié)果數(shù)據(jù)且使用該算法標(biāo)記和檢索的性能。
　　 本課題提出了基于多視圖學(xué)習(xí)和主動學(xué)習(xí)的圖像檢索方案用以解決以上問題，本文的主要研究內(nèi)容和主要研究特色如下:
　　 (1)在實(shí)際圖像檢索應(yīng)用中，由于使用少量已標(biāo)

3、記圖像數(shù)據(jù)為訓(xùn)練樣本訓(xùn)練模型，并用于標(biāo)記大量未識別圖像，往往會導(dǎo)致因訓(xùn)練樣本的不充分造成分類器效率低下的情況。本文提出使用半監(jiān)督學(xué)習(xí)的方法，引入機(jī)器自動標(biāo)記高可信樣本，用于迭代補(bǔ)充新的自動化標(biāo)記樣本用于分類器訓(xùn)練，并提高分類器工作效率。
　　 (2)大量的實(shí)際應(yīng)用表明，在圖像檢索過程中得到的檢索結(jié)果與用戶的真實(shí)檢索意圖存在一定的差距;同時(shí)，分類器在標(biāo)記圖像樣本時(shí)常常會由于分類器訓(xùn)練不充分，導(dǎo)致較多誤分類結(jié)果的出現(xiàn)。因此，本文使用

4、了反饋起調(diào)節(jié)作用的主動學(xué)習(xí)，可將部分由分類器選出的低置信度模糊數(shù)據(jù)進(jìn)一步通過人工二次標(biāo)定后補(bǔ)充入訓(xùn)練樣本集。
　　 (3)在實(shí)驗(yàn)過程中，我們根據(jù)圖像具備的多維度表達(dá)特征，采用多視圖學(xué)習(xí)和主動查詢?nèi)诤系挠?xùn)練檢索框架，融合主動學(xué)習(xí)和半監(jiān)督學(xué)習(xí)，建立互補(bǔ)的學(xué)習(xí)機(jī)制，可分別處理低置信度樣本和高置信度樣本，增加分類器的魯棒性，提高檢索效率。
　　 本文進(jìn)行了大量基于公開圖像數(shù)據(jù)集的實(shí)驗(yàn)，并且與諸多已知算法進(jìn)行比較。實(shí)驗(yàn)結(jié)果表明我們