没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
试读
12页
随着社交媒体中可用图像数量的增加,图像注释由于其在图像匹配和检索中的应用而成为重要的研究课题。 大多数研究将图像注释转换为多标签分类问题。 这种方法的主要缺点是,它需要大量带有干净且完整注释的训练图像,以便学习可靠的标签预测模型。 我们通过开发一种新颖的方法来解决这一局限,该方法将标签排名的优势与矩阵恢复的力量相结合。 我们的方法不必为每个标签做出二进制决定,而是按照标签与给定图像的相关性从高到低的顺序对标签进行排名,从而大大简化了问题。 另外,所提出的方法将针对不同标签的预测模型聚合到矩阵中,并将标签等级转换为矩阵恢复问题。 它引入了矩阵跟踪范数以显式控制模型的复杂性,从而即使在标签空间很大且训练图像的数量有限的情况下,也可以学习可靠的预测模型以进行标签排名。 在多个知名图像数据集上进行的实验证明,与最新的图像标注和标签排名方法相比,本文提出的标签排名框架的有效性。
资源推荐
资源评论
资源评论
weixin_38717980
- 粉丝: 7
- 资源: 893
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功