-
公开(公告)号：CN101620615B
公开(公告)日：2011-12-28
申请号：CN200910060241.4
申请日：2009-08-04
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于决策树学习的自动图像标注与翻译的方法，自动为新图像加以标注，使用机器翻译带有可视化内容的文本词汇表而实现图像资料的机器检索，包括训练标注图像集和图像自动标注。其中训练标注图像集利用图像分割算法对训练图像集分割成子块区域，提取每个子块区域的底层视觉特征；将这些特征数据离散化，然后将训练标注图像集基于底层特征离散值利用聚类算法进行分类，并构造出语义词典；将所述底层特征离散值作为决策树学习的输入属性；利用决策树机器学习法对已构造的词典，对应预先设定的语义概念进行自我训练学习，生成决策树并获取相应的决策规则。本发明的训练标注图像集具有可扩展性和鲁棒性，将其应用于语义图像检索中，能提高检索的查全率和查准率。
-
公开(公告)号：CN101620615A
公开(公告)日：2010-01-06
申请号：CN200910060241.4
申请日：2009-08-04
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于决策树学习的自动图像标注与翻译的方法，自动为新图像加以标注，使用机器翻译带有可视化内容的文本词汇表而实现图像资料的机器检索，包括训练标注图像集和图像自动标注。其中训练标注图像集利用图像分割算法对训练图像集分割成子块区域，提取每个子块区域的底层视觉特征；将这些特征数据离散化，然后将训练标注图像集基于底层特征离散值利用聚类算法进行分类，并构造出语义词典；将所述底层特征离散值作为决策树学习的输入属性；利用决策树机器学习法对已构造的词典，对应预先设定的语义概念进行自我训练学习，生成决策树并获取相应的决策规则。本发明的训练标注图像集具有可扩展性和鲁棒性，将其应用于语义图像检索中，能提高检索的查全率和查准率。
-
Search Results
2
records
(took 0.014 seconds)
