支持群集的矢量描述，用于基于内容的图像批注

计算机视觉和机器学习领域的不断进步为开发自动标记图像的工具提供了机会。 这有助于搜索和检索。 然而，由于现实世界中图像系统的复杂性，有效和高效的图像注释仍然是一个具有挑战性的问题。 在本文中，我们提出了一种基于图像内容和单词相关性的注释技术。 具有手动标记单词的图像簇用作训练实例。 使用核仁方法对每个聚类中的图像进行建模，其中，将图像矢量映射到更高维的空间，并使用识别为支持矢量的矢量来描述聚类。 为了测量图像和由支持向量描述的模型之间的关联程度，计算从图像到模型的距离。 距离越近表示关联越强。 此外，在注释框架中还考虑了词与词之间的相关性。 为了标记图像，系统通过在统一的概率框架中使用从图像到模型的距离以及词与词之间的相关性来预测注释词。 在三个基准图像数据集上进行了模拟实验。 结果证明了所提出技术的性能，并将其与其他最近报道的技术的性能进行了比较。