基于主動學習的多標簽圖像分類方法研究.pdf_第1頁
已閱讀1頁,還剩77頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領

文檔簡介

1、隨著互聯(lián)網(wǎng)信息技術的迅猛發(fā)展,各種圖像數(shù)據(jù)呈爆炸式增長。如何對海量的圖像數(shù)據(jù)進行有效的管理成為了一個亟待解決的問題,而圖像分類,是有效管理圖像數(shù)據(jù)的主要方式之一。早期的圖像分類方法主要對圖像進行二分類或多類分類,每次只需為圖像選擇一個類別標簽,這就是最常見的單標簽分類方法。這些單標簽學習方法簡單易行,在實際應用中已獲得了巨大的成功。然而,在真實世界中,一幅圖像往往不只包含單一的語義,因此,多標簽學習方法在實際應用中更具有現(xiàn)實意義。

2、>  為了有效降低獲取圖像樣本的標注代價,本文針對多標簽圖像分類問題中訓練集的選擇策略進行研究,提出了基于主動學習的多標簽圖像分類方法的研究方案,論文的主要研究工作如下:
  (1)研究面向多標簽圖像分類的主動學習采樣策略。分析研究現(xiàn)有的兩類方法:基于樣本查詢和基于樣本標簽對查詢的方法,并分析各自典型算法的研究思路以及優(yōu)勢和不足,為后續(xù)的研究工作提供理論基礎。
  (2)針對基于樣本查詢的方法存在標簽信息冗余的問題,在不確定

3、性采樣策略的基礎上,提出了最優(yōu)標簽子集選擇的方法。改善多標簽分類性能的同時大大降低了標注代價,提升了分類方法的效率。
  (3)討論多標簽學習中標簽關系挖掘與利用問題,提出了一種基于層次標簽樹的標簽關系挖掘方法。采樣過程中充分利用已有數(shù)據(jù)的信息,并結(jié)合挖掘發(fā)現(xiàn)的標簽內(nèi)在關系,進一步提升分類器的性能。
  本文對提出的方法進行實驗驗證,選擇了四個評價準則在多個圖像數(shù)據(jù)集上與現(xiàn)有的方法進行比較,并對實驗數(shù)據(jù)進行分析,驗證了本文所

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論