基于QPSO-MIL算法的图像标注

摘要：

在多数现有图像标注图像库中,关键字只标注在图像级而非区域级,使有监督学习方法在图像标注中难以应用.基于量子粒子群优化算法(quantum-behaved particle swarm optimization,QPSO)提出了一种新的多示例学习(multi-instance learning,MIL)算法--QPSO-MIL算法,在多示例学习的框架下将基于区域的图像标注问题描述成一个有监督的学习问题.该方法将图像当作包,分割的区域当作包中的示例,利用多样性密度(DD)函数,定义了粒子的适应度向量.在示例空间,利用QPSO方法在各个维度上同时搜索DD函数的全局极大值点,作为关键字的概念点,然后根据Bay…展开v

关键词：多示例学习、图像标注、量子粒子群优化

所属期刊栏目：37

分类号：TP311(计算技术、计算机技术)

资助基金：教育部新世纪优秀人才支持计划项目NCET-07-0693

在线出版日期：2010-08-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：278-282,296