文献

J-GLOBAL ID：201702271015670592   整理番号：17A0472952

生成および判別モデルの結合による自動画像アノテーション【Powered by NICT】

Automatic image annotation by combining generative and discriminant models

著者 (3件)： Ji Ping (Department of Electronics and Electric Engineering, Hefei University, Hefei 230601, China) ,  Gao Xianhe (Department of Electronics and Electric Engineering, Hefei University, Hefei 230601, China) ,  Hu Xueyou (Department of Electronics and Electric Engineering, Hefei University, Hefei 230601, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 236  ページ： 48-55  発行年： 2017年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 生成モデルに基づく画像アノテーション法は良好なアノテーション性能を達成した。しかし,「意味論的ギャップ」の問題のために,これらの方法は常に同様な視覚特徴異なる意味論が画像に悩まされている。判別モデルを用いた意味論的適切なものからこれらの画像を分離するために有望であると思われる,それらは優れた汎化性能を示した。生成的かつ識別的アプローチの利点を得るために動機付けられて,本論文では,ラベル付けされていない画像の近傍における局所判別トピックスを通しての生成的モデルおよび識別モデルを組み合わせた新しい画像アノテーション手法を提案した。特異値分解(SVD)は,近隣の画像グループの意味論的ラベルに応じて異なる話題に適用した。意味関連画像と無関係なものは常に異なるトピックスに帰属した。異なるトピックス間の判別情報を利用することにより,サポートベクトルマシン(SVM)を適用して,ラベル付けされていない画像を分類する関連した話題にし,そこからより正確な注釈は,無関係な画像の悪影響を減少させることにより得られる。ECCV2002とNUS-WIDEベンチマーク上での実験により,この方法は最新のアノテーションモデルより優れていることを示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 意味論 ,  特異値分解 ,  サポートベクトルマシン ,  *画像 ,  ベンチマーク ,  *アノテーション ,  汎化
準シソーラス用語： 視覚顕著 ,  *画像アノテーション ,  生成モデル ,  *自動画像アノテーション , 【Automatic Indexing@JST】

著者キーワード (4件)： 画像アノテーション ,  マルチメディア ,  内容分析 ,  判別モデル

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 判別 ,  モデル ,  自動画像アノテーション