摘要：为了缩减不同模态数据间的语义鸿沟,提出一种结合深度卷积神经网络和集成分类器链的多标记图像语义标注方法.该方法主要由生成式特征学习和判别式语义学习2个阶段构成.首先利用深度卷积神经网络学习图像的高层视觉特征;然后基于获取的视觉特征与图像的语义标记集训练集成分类器链,并学习视觉特征包含的语义信息;最后利用训练得到的模型对未知图像进行自动语义标注.在Corel5K和PASCAL VOC 2012图像数据集上的实验结果表明,与一些当前国际先进水平的方法相比,文中方法的鲁棒性更强,标注结果更精确.

摘要：针对现有标注算法精度不高的问题,提出一种基于上下文相关模型的图像语义标注方法.首先,根据语义概念在训练数据集中的共现频率,对每个概念构造马尔科夫随机场图结构;其次,从已标注图像的文本信息出发构建一个非对等模态的概率潜语义分析(PLSA)模型,计算图像和语义概念的联合概率,并将其作为马尔科夫随机场(MRF)中点的观察值.与此同时,基于PLSA设计马尔科夫随机场模型的点势函数和边势函数;最后,通过正则化最大伪似然估计学习MRF的模型参数,利用迭代条件模式进行模型推理,从而获得未知图像的精确化语义标注结果.实验表明,所提出方法的性能明显优于若干经典的自动图像标注方法,而且具有更好的检索性能.

摘要：针对目前图像检索系统较难实现语义检索的问题,提出了一种新的以本体为核心的图像语义标注和检索模型。构建个性化本体描述图像语义,继而提取基于概念集的图像语义特征并利用本体中"Is-A"关系设计相似性度量方法最终实现语义扩展检索。其难点在于顶级本体向个性化本体进化,以及基于概念集和"Is-A"关系实现语义相似度量的方法。通过系统的初步实现与相关实验的验证,该模型的检索准确度可达88.6%,明显高于传统的基于关键字和基于通用本体的图像检索,实现了图像智能检索功能。

摘要：针对目前图像检索系统较难实现语义检索的问题,提出一种新的以本体为核心的图像检索模型.将通用本体和空间本体相结合描述图像语义,并且基于本体中"Is-A"关系设计相似性度量算法实现语义扩展.初步试验证明了在图像语义检索中此检索模型的可行性和优越性.

摘要：在现有研究基于多媒体融合的图像检索系统中，在图像标注的过程中采用手动的方式进行标注，2r-作繁琐，检索的速度低，难以运用到实际检索当中。本文将结合图像语义标注运用于多媒体融合的图像检索系统中，这样既可以降低X-作量也能提高检索的速度。