基于核心语义的图像标注算法研究

发布时间：2024-02-20 08:06

　　图像标注是图像处理领域重要的研究方向之一。随着互联网的发展,网络上的图像数量迅速增加,想要找到所需要的图像越来越困难。基于核心语义的图像标注方法对后续图像的检索、识别等都有更好的帮助。该文主要对减少不相关语义标签、定位图像语义表征区域等进行研究。首先,该文构建不相关语义删减的图像标注算法。图像中目标的类别以及目标的数量都是不确定的,图像单独分类不能将图像的所有目标都标注出来,而相似性标注又会产生大量的不相关语义。故该文采用了一种分类标注与相似性度量标注相结合的方法,通过获取语义标签之间的相关性进行不相关语义的删减,并在两个不同的数据集上进行了实验,取得了较好的实验效果。其次,实现基于语义表征区域的图像标注。人类的视觉神经在接触图像时,与视觉神经相连的大脑神经时会找到图像最具有表现力的位置,根据大脑神经的这种机制提出了语义表征区域标注算法。该方法通过滑动窗口与距离度量相结合的方法找到语义表征区域,利用相似性度量为语义表征区域生成新的图像标注。此方法可以更好地标注图像核心语义区域的目标。最后,完成基于网格划分遮挡的语义表征区域标注。为了获取更加完整的语义表征区域,将图像划分网格后进行部分遮...

【文章页数】：64 页

【学位级别】：硕士

【部分图文】：

图3-4P、R、F随aP变化的曲线

燕山大学工程硕士学位论文.5.2结果分析根据标签之间的关联规则，查看首要标签与重要标签同时出现的情况下，其似标签出现的概率，如果此概率大于自适应阈值aP，则选取此标签作为测试图标签，相反如果此概率小于自适应阈值，则舍弃此标签。为了设置合适的自阈值aP，通过调整aP来推测....

图4-7s值对实验正确率的影响

第4章基于语义表征区域的图像标注算法于语义表征区域的标注。为了使每张测试图像找到最适应的初始训练集，需要设置合适的图像数量s，图4-7是选取不同的s值对于实验准确率的影响。从下图中可以发现随着s值逐渐增加，实验标注的准确率先是很快增加，后逐渐不再增加保持了平稳....

图5-4k值对实验的影响

燕山大学工程硕士学位论文5.5.2结果分析因为在为测试图像标注时是通过构造相似的训练图像集，所以与测试图像相的训练图像也很有可能会传递不相干的语义词汇。但是因为不同图像传递相同的相干语义概率很小，所以在选取训练集的图像的数量时设置阈值k可以有效的防不相干语义的传递。为了使每....

本文编号：3904083