论文部分内容阅读
图像分类和注释技术在图像检索、视频监控、图像/视频标注等具有重要应用。随着计算机多媒体资源的日益增多和计算机存储、处理能力的不断增强,使得计算机处理大规模的图像分类和注释问题变得可能。同时,由于计算机与人类的理解存在语义鸿沟,使得该方面研究面临很多困难。本文的目的是改进监督主题模型sLDA(supervised Latent Dirichlet Allocation)的响应变量类型,并将改进的sLDA模型应用到LabelMe图像数据库中。图像分类和注释的方法很多,当前的方法以bag-of-word方法和part-based方法为代表。本文首先详细介绍了四种经典的主题模型:Naive Bayes模型、PLSI (Probabilistic Latent Semantic Indexing)模型、LDA (Latent Dirichlet Allocation)模型、sLDA模型;其次在sLDA模型基础上提出本文改进的模型,sLDA模型本来是通过Normal线性模型处理连续实值响应变量。最近的对sLDA模型改进的经典模型是用于图像分类的多种类sLDA模型,它可以处理离散的种类响应变量。·本文通过使用逻辑连接函数,通过逻辑线性模型得到用于图像注释的多元二值响应变量,进而将用于图像注释的模型嵌入到多种类sLDA模型里以得到一种改进的新模型(联合模型),它可同时解决图像分类与注释两项任务。在求解模型参数中,我们采用基于VEM(Variational Expectation Maximization)的最大似然方法来估计;最后将模型在真实世界图像数据集上应用于图像分类和注释,测试结果表明,在分类方面,改进的模型比Fei-fei和Perona提出的模型平均精度提高12%,比多种类sLDA模型在主题数多时也有相应的提高,在注释方面,改进的模型预测概率值比cLDA模型提高6%。