项目名称: 基于网络知识和人工知识的图像语义建模方法研究

项目编号: No.61201413

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 电子学与信息系统

项目作者: 田新梅

作者单位: 中国科学技术大学

项目金额: 27万元

中文摘要: 随着Internet技术的发展,互联网上的图像数量飞速增长。针对如何利用丰富的网络图像资源实现基于语义的图像检索和管理,本课题致力于研究基于网络知识和轻量人工知识的图像语义模型学习关键技术。本课题拟从网络知识的获取出发,首先利用图像搜索自动搜集网络图像作为语义模型的训练数据,解决传统语义模型学习中训练数据不足的问题;然后针对网络知识噪声大的特点,提出网络知识的质量评估概念,用于定量分析网络知识的可靠性,同时研究基于多样化重排序和多源知识融合的网络知识的质量改进方案;在网络知识质量差时引入轻量人工知识进行辅助,针对人工标注代价高的特点,提出高效的主动样本选择方案,用尽量少的人工标注量获取最多的信息;最后探讨如何充分利用网络知识和人工知识各自特点的图像特征表达和机器学习问题,全面分析图像语义模型学习中的关键问题。本课题将有力推动图像语义理解和网络知识挖掘的基础理论和技术研究。

中文关键词: 图像检索;图像标注;图像搜索质量评估;视觉重排序;机器学习

英文摘要: With the rapid development of Internet techniques, the amount of digital images on the Internet increases dramatically. How we can leverage the rich Web image resources to benefit image semantic modeling in order to realize semantic based image retrieval and management becomes an increasingly important problem. In this proposal we target to address the key problems in image semantic understanding by leveraging the knowledge mined from Web images as well as obtained from human beings. Firstly, as the Web knowledge is highly noisy, we propose an Web knowledge quality assessment method by analyzing the images from both textual and visual cues. In addition, we propose to further improve the quality of the Web knowledge, based on two methods: image search visual reranking and multi-source Web knowledge fusion. Then, to model the semantic concepts better, light human supervision is introduced as complementary to automatically-collected Web knowledge. To obtain the human labeling information efficiently, we propose an active learning based sample selection method to select the most informative images for labeling. Finally, with the collected Web knowledge and human knowledge, we discuss the methods to employ them for learning semantic concept specific visual features and to develop novel machine learning methods which

英文关键词: image retrieval;image annotation;image search quality assessment;visual reranking;machine Learning

成为VIP会员查看完整内容
0

相关内容

从20世纪70年代开始,有关图像检索的研究就已开始,当时主要是基于文本的图像检索技术(Text-based Image Retrieval,简称TBIR),利用文本描述的方式描述图像的特征,如绘画作品的作者、年代、流派、尺寸等。到90年代以后,出现了对图像的内容语义,如图像的颜色、纹理、布局等进行分析和检索的图像检索技术,即基于内容的图像检索(Content-based Image Retrieval,简称CBIR)技术。CBIR属于基于内容检索(Content-based Retrieval,简称CBR)的一种,CBR中还包括对动态视频、音频等其它形式多媒体信息的检索技术。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
军事知识图谱构建技术
专知会员服务
122+阅读 · 2022年4月8日
自然语言处理中的文本表示研究
专知会员服务
56+阅读 · 2022年1月10日
UIUC韩家炜:从海量非结构化文本中挖掘结构化知识
专知会员服务
96+阅读 · 2021年12月30日
专知会员服务
53+阅读 · 2021年4月3日
专知会员服务
69+阅读 · 2021年3月29日
专知会员服务
60+阅读 · 2021年3月25日
专知会员服务
61+阅读 · 2021年3月6日
【AAAI2021】基于双任务一致性的半监督医学图像分割
专知会员服务
30+阅读 · 2021年2月7日
专知会员服务
50+阅读 · 2020年12月26日
专知会员服务
45+阅读 · 2020年11月13日
监控视频的异常检测与建模综述
专知
0+阅读 · 2021年12月27日
基于规则的建模方法的可解释性及其发展
专知
4+阅读 · 2021年6月23日
图像描述生成研究进展
专知
1+阅读 · 2021年3月29日
图像修复研究进展综述
专知
18+阅读 · 2021年3月9日
ACL2020 | 基于Knowledge Embedding的多跳知识图谱问答
AI科技评论
18+阅读 · 2020年6月29日
【CVPR2019】弱监督图像分类建模
深度学习大讲堂
38+阅读 · 2019年7月25日
知识在检索式对话系统的应用
微信AI
32+阅读 · 2018年9月20日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
5+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
小贴士
相关VIP内容
军事知识图谱构建技术
专知会员服务
122+阅读 · 2022年4月8日
自然语言处理中的文本表示研究
专知会员服务
56+阅读 · 2022年1月10日
UIUC韩家炜:从海量非结构化文本中挖掘结构化知识
专知会员服务
96+阅读 · 2021年12月30日
专知会员服务
53+阅读 · 2021年4月3日
专知会员服务
69+阅读 · 2021年3月29日
专知会员服务
60+阅读 · 2021年3月25日
专知会员服务
61+阅读 · 2021年3月6日
【AAAI2021】基于双任务一致性的半监督医学图像分割
专知会员服务
30+阅读 · 2021年2月7日
专知会员服务
50+阅读 · 2020年12月26日
专知会员服务
45+阅读 · 2020年11月13日
相关资讯
监控视频的异常检测与建模综述
专知
0+阅读 · 2021年12月27日
基于规则的建模方法的可解释性及其发展
专知
4+阅读 · 2021年6月23日
图像描述生成研究进展
专知
1+阅读 · 2021年3月29日
图像修复研究进展综述
专知
18+阅读 · 2021年3月9日
ACL2020 | 基于Knowledge Embedding的多跳知识图谱问答
AI科技评论
18+阅读 · 2020年6月29日
【CVPR2019】弱监督图像分类建模
深度学习大讲堂
38+阅读 · 2019年7月25日
知识在检索式对话系统的应用
微信AI
32+阅读 · 2018年9月20日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
5+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员