基于社群隐含主题挖掘和多社群信息融合的自动图像标注
在Flickr图像共享网站上,大量无标签或者缺少标签的图像往往会因为标签信息的不完整以致无法被有效的利用和检索。与传统的自动图像标注方法不同,本文从Flickr用户经常会根据图像隐含的主题将其所上传图像推荐到与其包含主题信息一致的多个社群的特点出发,提出了一种新颖的基于社群隐含主题挖掘和多社群信息融合的算法用于图像的自动标注。该算法首先采用隐Dirichlet分配模型(latent dirichlet allocation,LDA)对单个社群里的隐含主题(Topic)进行挖掘,并根据候选标注词与隐含主题之间相关性对由相似图像标签传播产生的初始“噪音”标签进行过滤；然后,对于同属于多个社群的图像,通过多社群信息融合实现最终标注。实验结果显示,通过LDA对社群隐含主题的挖掘和多社群信息融合,能够有效地提高图像标注的精度。
图像检索 自动图像标注 主题挖掘 分配模型 信息融合
Chen Ye 陈烨 Shao Jian 邵健 Zhu Ke 朱科
College of Computer Science and Technology, Zhejiang University, 310012, China 浙江大学计算机科学与技术学院,浙江杭州 310012
国内会议
山东泰安
中文
147-149
2009-08-15（万方平台首次上网日期，不代表论文的发表时间）