基于极端梯度提升树算法的图像属性标注

作     者：张红斌 邱蝶蝶 邬任重 朱涛 滑瑾 姬东鸿 ZHANG Hongbin;QIU Diedie;WU Renzhong;ZHU Tao;HUA Jin;JI Donghong

作者机构：华东交通大学软件学院江西南昌330013 华东交通大学信息工程学院江西南昌330013 武汉大学国家网络安全学院湖北武汉430072 

基　　金：国家自然科学基金资助项目(61762038 61741108 61861016) 教育部人文社会科学研究规划基金资助项目(16YJAZH029 17YJAZH117)的研究成果 

出 版 物：《山东大学学报（工学版）》 (Journal of Shandong University（Engineering Science）)

年 卷 期：2019年第49卷第2期

页      码：8-16页

摘      要：提出基于极端梯度提升树(eXtreme gradient boosting, XGBoost)算法的图像属性标注模型,以改善标注性能:提取图像局部二值模式(local binary patterns, LBP)、灰度纹理空间包络特征(Gist)、尺度不变特征变换(scale invariant feature transform, SIFT)、视觉几何组(visual geometry group, VGG)等特征,以准确刻画图像视觉内容;基于图像特征,采用XGBoost算法集成弱分类器为强分类器,完成图像属性标注;深入挖掘图像属性蕴含的深层语义,构建全新的、层次化的属性表示体系,以贴近人类客观认知;设计迁移学习策略并合理组合分类模型,进一步改善标注性能。试验表明:Gist特征能真实刻画图像视觉内容;执行基础迁移学习后,标注精准度比迁移学习前最优指标提升8.69%;执行混合型迁移学习后,合理组合分类模型,标注精准度比基础迁移学习的最优指标提升17.55%。模型有效地改善图像属性标注精度。

主 题 词：图像属性标注 极端梯度提升树 迁移学习 弱分类器 深层语义 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.6040/j.issn.1672-3961.0.2018.271

馆 藏 号：203667129...