文档介绍：基于多标签学习的图像语义自动标注研究年姓
学位论文作者签名:易粮沙嗄月肛日独创性声明本人郑重声明:所呈交的学位论文,是本人在导师的指导下,独立进行研究工作所取得的成果。除文中己注明引用的内容以外,本论文不包含任何其他个人或集体已经发表或撰写过的作品成果,也不包含为获得江苏大学或其他教育机构的学位或证书而使用过的材料。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。
I将狮繇移金D6fEt学位论文作者签名:沥\,名很沙乃年占月亿日1江苏大学、中国科学技术信息研究所、国家图书馆、中国学术期刊馀贪电子杂志社有权保留本人所送交学位论文的复印件和电子文档,可以采用影印、缩印或其他复制手段保存论文。本人电子文档的内容和纸质论文的内容相一致,允许论文被查阅和借阅,同时授权中国科学技术信息研究所将本论文编入《中国学位论文全文数据库》并向社会提供查询,授权中国学术期刊馀贪电子杂志社将本论文编入《中国优秀博硕士学位论文全文数据库》并向社会提供查询。论文的公布ǹ授权江苏大学研究生处办本学位论文属于保密口,在年解密后适用本授权书。不保密团。理。
摘要随着多媒体数字化技术的发展和推广、存储成本的降低、网络传输带宽的增长,各种多媒体数据如图像、视频等飞速膨胀逐渐成为信息的主流,并对人们的生活和社会发展产生重要的影响。图像是视频的的基础,在多媒体数据管理中占有重要的地位,如何有效的管理这些大规模图像数据已经成了摆在人们"因此图像语义自动标注的研究成为了相关领域的研究热点。图像语义的自动标注本质上是一个学习问题,即根据图像的视觉内容推导出图像的语义标签。因此,各种机器学习、统计推理技术都应用于图像标注的研"签”问题的影响,现有方法的标注性能仍有待进一步提高。本文围绕图像标注的多标签特点,集中利用多标签的相关性和共现性知识,开展研究,在多标签数据集的转化、语义多标签的排序、图像语义自动标注系统等方面进行了新的尝试,并取得了一定的效果。本文主要工作如下:(1)RAPC-W,该方法将标签对从原始的两对扩展到四对,增加了划分后数据集的规模。另外,噪声数据集对基分类器训练的不良影响。实验结果表明该方法是有效可行的。(2)语义自动标注结果正确与否的重要参考指标,针对当下图像语义自动标注中语定的权值,最后利用该权值对每个基分类器输出的语义标注结果进行投票,从针对多标签特性带来的数据稀疏、噪声数据集以及语义多标签的无序性等问题集转化方法无法有效利用标签间的语义相关性和共现性知识以及转化后得到的数据集存在数据稀疏和噪声数据集的问题,提出了一种新的多标签数据集转化RAPCW(Ranking上过滤掉了语义不相关的标签组合,更好的保留了原始数据集的信息,降低了义标签排序不准确的问题,提出了一种新的多标签排序算法,该算法利用判别分类技术中用到的基分类器,parisionBased
而实现对语义标签的排序。最终实验结果表明该方法是有效的。(3)多媒体数据管理领域具有十分重要的理论意义与应用前景。为了充分展示本文所提方法的标注性能及其应用价值。本文在以上所提两个算法的基础上,参照(MultipleMMRF)注模型的训练与标注演示,充分展示了该标注系统优越的标注性能。RAPCW基于多标签学习的图像语义自动标注研究义自动标注系统Field
,wellpaperSemanticdevelopmentbandwidthimagesvideo琣importantlyimpacting甀thethesemassivehasproblem,problem,whichimageThereforeallarethesemantic“眕methods,focususingresearchtheforattemptmulti-parision-basedincreasessetInarent—problemthisalgorithmsthealgorithm,resultssodigital,urrencetherelevancenoisetag,,certainrelatedbetterresultseffectivesortingcorrectlyreference產presentweightsfmallyrealizeorderingFinallyeffectivecontentsortssetoutn