基于多示例多標簽學習的圖像分類標注.pdf

1、隨著計算機網(wǎng)絡，存儲壓縮技術的發(fā)展以及智能移動設備的普及，視覺信息大量涌現(xiàn)，呈現(xiàn)海量特征，如何對海量視覺信息數(shù)據(jù)進行有效地組織，管理以及檢索，成為了科研以及商業(yè)領域急需解決的問題。語義清晰是大規(guī)模視覺信息管理的前提和基礎，因此根據(jù)視覺信息數(shù)據(jù)的語義標注研究具有十分重要的理論以及實踐意義，吸引了越來越多的研究人員的目光，成為了當前的熱門研究方向。
　　早期的視覺信息標注依靠人工來完成，人工標注費時費力，無法滿足海量視覺信息的標注要求

2、，促使研究人員尋找新的標注技術，以期來實現(xiàn)自動標注。視覺信息語義的自動標注本質上是一個根據(jù)視覺內容推導出語義標簽的學習過程，機器學習技術由于在理論和實踐領域都比較成熟，可為語義標注提供理論支持以及可能的解決方案，逐漸成為當前解決視覺信息語義標注問題的主流方案。圖像作為最普遍的視覺信息數(shù)據(jù)類型，圖像語義標注是視覺信息標注領域最重要和最熱門的方向之一。
　　當前機器學習的視覺信息標注在取得一定發(fā)展的同時還存在一些函待解決的問題:樣本缺

3、乏，視覺數(shù)據(jù)歧義性以及語義概念間的關聯(lián)性挖掘，現(xiàn)有算法的標注性能還有待進一步提高。多示例學習是公認的解決數(shù)據(jù)歧義性的主流途徑，由于圖像標注本身是多標簽問題，因而我們選擇在多示例多標簽框架下對該圖像標注問題進行研究。本文在深入研究多示例多標簽學習框架的基礎上，將一種新的標簽相關性引入到多示例多標簽學習框架中來，用于解決圖像標注問題.
　　本文的主要研究內容:
　　考慮到傳統(tǒng)的多示例多標簽框架忽略了標簽相關性，或者是將標簽相關性