利用深度玻尔兹曼机与典型相关分析的自动图像标注算法
【作者】
刘凯
张立民
孙永威
林雪原
海军航空工程学院信息融合研究所
山东烟台284001
【关键词】
自动图像标注
深度学习
深度玻尔兹曼机
典型相关分析
【摘要】提出一种基于深度玻尔兹曼机与典型相关分析的自动图像标注算法(DBM-CCA)。该算法利用深度玻尔兹曼机实现图像与文本的低层次特征向稀疏高层次抽象概念的转变,并通过典型相关分析建立子空间映射关系以实现标注词汇的生成。首先在深度玻尔兹曼机提取图像与文本高层特征过程中,选用伯努利分布和高斯分布分别拟合标注词汇和图像特征,然后在图像与标注词汇高层特征形成的典型变量空间内计算待标注图像与训练集图像的马氏距离并据此加权计算得到高层标注词汇特征,最后由平均场估计生成图像标注词汇。实验结果表明,所提方法对图像的标注准确率改善较好,与经典的基于监督的多类标签方法和多重伯努利相关模型相比,在Corel5K 实验中平均查准率和1F 分别提高了 10%、5%。
上一篇:人工蜂群优化的非下采样Shearlet域引导滤波图像增强
下一篇:低信噪比下采用广义随机共振的能量检测算法