【摘要】 本发明公开了一种基于半监督主题建模的图像标注方法。本发明的方法首先从互联网上得到图像，包括已有文本标注的图像，以及未标注图像。接着利用一种类似于概率潜在语义分析的模型，对所有图像的视觉特征和文本标注之间的联系通过潜在主题进行建模。然后构建所有图像的最近邻图，并根据由最近邻图进行建模得到的流形结构对模型进行调整。通过期望最大化算法学习该模型，并分别计算各个潜在主题与图像匹配的概率。最后根据潜在主题匹配图像的概率计算每个文本标注匹配未标注图像的概率，并选择概率最高的文本标注对未标注图像进行标注。 【专利类型】发明授权 【申请人】浙江大学 【申请人类型】学校 【申请人地址】310027 浙江省杭州市西湖区浙大路38号 【申请人地区】中国 【申请人城市】杭州市 【申请人区县】西湖区 【申请号】CN201210050398.0 【申请日】2012-02-29 【申请年份】2012 【公开公告号】CN102637199B 【公开公告日】2014-01-29 【公开公告年份】2014 【授权公告号】CN102637199B 【授权公告日】2014-01-29 【授权公告年份】2014.0 【IPC分类号】G06F17/30; G06F17/27 【发明人】何晓飞; 卜佳俊; 陈纯; 倪雅博 【主权项内容】1.一种基于半监督主题建模的图像标注方法，其特征在于：1)从互联网上得到图像，包括已有文本标注的图像，以及未标注图像；2)利用一种类似于概率潜在语义分析的模型，对所有图像的视觉特征和文本标注之间的联系通过潜在主题进行建模；步骤2)中的建模过程是按照如下方式进行的：对于每个图像i，首先用向量Fi表示图像视觉特征，向量W1来表示图像文本标注，其中Fi={f1, …, fn}，其中fu表示第u个视觉特征单词在第i个图片中出现的次数；W1={w1，…, wn}，其中wv表示第v个文本标注单词在第i个图片中出现的次数并假设fi(其中i=1, …, n)服从多项式分布wi(其中i=1, …, n)服从多项式分布未标注图像W1＝0; 然后用多项分布α建模图像与潜在主题Zi的关系, 最后得到所有图像与潜在主题的匹配概率的对数似然为L，L的计算公式如下：其中，I为图像总数，K为潜在主题总数，P(zk|α)表示在α分布下潜在主题zk与第i个图像匹配的概率，U为视觉特征单词总数，F(fu|zk，β)表示在β分布下视觉特征fu与潜在主题zk匹配的概率，V为 图像文本特征单词总数，表示在分布下文本标注wv与潜在主题zk匹配的概率; 3)构建所有图像的最近邻图，并根据由最近邻图进行建模得到的流形结构对步骤2)的模型进行调整；4)通过期望最大化算法学习步骤2)的模型，并分别计算各个潜在主题与图像匹配的概率；5)根据潜在主题匹配图像的概率计算每个文本标注匹配未标注图像的概率，并选择概率最高的文本标注对未标注图像进行标注。 【当前权利人】浙江大学 【当前专利权人地址】浙江省杭州市西湖区浙大路38号 【专利权人类型】公立 【统一社会信用代码】12100000470095016Q 【引证次数】4.0 【他引次数】4.0 【家族引证次数】4.0 【家族被引证次数】13

未经允许不得转载：http://www.zhongzhencnc.com/1791591244.html