• 中国精品科技期刊
  • CCF推荐A类中文期刊
  • 计算领域高质量科技期刊T1类
高级检索

弱标签环境下基于语义邻域学习的图像标注

田 枫, 沈旭昆

田 枫, 沈旭昆. 弱标签环境下基于语义邻域学习的图像标注[J]. 计算机研究与发展, 2014, 51(8): 1821-1832. DOI: 10.7544/issn1000-1239.2014.20121087
引用本文: 田 枫, 沈旭昆. 弱标签环境下基于语义邻域学习的图像标注[J]. 计算机研究与发展, 2014, 51(8): 1821-1832. DOI: 10.7544/issn1000-1239.2014.20121087
Tian Feng, Shen Xukun. Image Annotation by Semantic Neighborhood Learning from Weakly Labeled Dataset[J]. Journal of Computer Research and Development, 2014, 51(8): 1821-1832. DOI: 10.7544/issn1000-1239.2014.20121087
Citation: Tian Feng, Shen Xukun. Image Annotation by Semantic Neighborhood Learning from Weakly Labeled Dataset[J]. Journal of Computer Research and Development, 2014, 51(8): 1821-1832. DOI: 10.7544/issn1000-1239.2014.20121087
田 枫, 沈旭昆. 弱标签环境下基于语义邻域学习的图像标注[J]. 计算机研究与发展, 2014, 51(8): 1821-1832. CSTR: 32373.14.issn1000-1239.2014.20121087
引用本文: 田 枫, 沈旭昆. 弱标签环境下基于语义邻域学习的图像标注[J]. 计算机研究与发展, 2014, 51(8): 1821-1832. CSTR: 32373.14.issn1000-1239.2014.20121087
Tian Feng, Shen Xukun. Image Annotation by Semantic Neighborhood Learning from Weakly Labeled Dataset[J]. Journal of Computer Research and Development, 2014, 51(8): 1821-1832. CSTR: 32373.14.issn1000-1239.2014.20121087
Citation: Tian Feng, Shen Xukun. Image Annotation by Semantic Neighborhood Learning from Weakly Labeled Dataset[J]. Journal of Computer Research and Development, 2014, 51(8): 1821-1832. CSTR: 32373.14.issn1000-1239.2014.20121087

弱标签环境下基于语义邻域学习的图像标注

详细信息
  • 中图分类号: TP391

Image Annotation by Semantic Neighborhood Learning from Weakly Labeled Dataset

  • 摘要: 图像语义自动标注是实现图像语义检索与管理的关键,是具有挑战性的研究课题.传统的图像标注方法需要具有完整、准确标签的数据集才能取得较好的标注性能.然而,在现实应用中获得数据的标签往往是不准确、不完整的,并且标签分布不均衡.对于Web图像和社会化图像尤其如此.为了更好地利用这些弱标签样本,提出了一种基于语义邻域学习的图像自动标注方法(semantic neighborhood learning from weakly labeled image, SNLWL).首先在邻域标签损失误差最小化意义下,填充训练集样本标签.通过递进式的邻域选择过程,保证建立的语义一致邻域内样本具有全局相似性、部分相关性和语义一致性,并且语义标签分布平衡.在邻域标签重构误差最小化意义下进行标签预测,降低噪声标签对性能的影响.多个数据集上的实验结果表明,与已知的具有较好标注效果的方法相比,此方法更适用于处理弱标签数据集,标准评测集上的测试也表明了此方法的有效性.
    Abstract: With the advance of Web technology, image sharing has become much easier than ever before. Automatic image annotation, which can predict relevant labels for images, is becoming more and more important. Traditional image annotation methods usually require a large number of complete, accurate labeled data to obtain good annotation performance. However, since obtaining weak labeled training data is often much easier and costs less efforts than obtaining a large amount of fully labeled training data, image labels are often incomplete and inaccurate in real world environment. In addition, different labels usually have large frequency differences. To effectively harness these weakly labeled images, in this paper, an automatic image annotation approach based on semantic neighborhood learning (SNLWL) is proposed. The missing labels are replenished by minimizing the reweighted error functions on training data. Then, the semantic neighborhood is obtained by a progressive neighborhood construction approach. We incorporate label completeness, global similarity, conceptual similarity, and partly correlation into the stage. In addition, an effective label inference strategy is proposed by minimizing the neighborhood reconstruction error to handle the noise in the labels. Extensive experimental results on different benchmark datasets show that the proposed approach makes a marked improvement as compared with other methods.
  • 期刊类型引用(28)

    1. 李东亚,白涛,香慧敏,戴硕,王震鲁,陈珍. 基于RoBERTa多特征融合的棉花病虫害命名实体识别. 河南农业科学. 2024(02): 152-161 . 百度学术
    2. 阮光册,钟静涵,张祎笛. 基于深度学习的术语识别研究综述. 数据分析与知识发现. 2024(04): 64-75 . 百度学术
    3. 王颖洁,张程烨,白凤波,汪祖民. 基于Transformer的司法文书命名实体识别方法. 计算机科学. 2024(S1): 125-133 . 百度学术
    4. 梁宏涛,刘雨婷,李帅,高大唤,朱洁. 多策略黏菌算法优化BiLSTM的命名实体识别研究. 中文信息学报. 2024(07): 51-62 . 百度学术
    5. 王颖洁,张程烨,白凤波,汪祖民,季长清. 中文命名实体识别研究综述. 计算机科学与探索. 2023(02): 324-341 . 百度学术
    6. 毛亮,赵林均,余敦辉,孙斌. 基于知识蒸馏的企业命名实体识别模型. 计算机工程. 2023(05): 90-96 . 百度学术
    7. 王馨瑢,胡金南. 人文社科专题文献命名实体识别. 数字技术与应用. 2023(07): 97-100 . 百度学术
    8. 喻金平,朱伟锋,廖列法. 基于RoBERTa-wwm-BiLSTM-CRF的扶持政策文本实体识别研究. 计算机工程与科学. 2023(08): 1498-1507 . 百度学术
    9. 张文韩,刘小明,杨关,刘杰. 多层结构化语义知识增强的跨领域命名实体识别. 计算机研究与发展. 2023(12): 2864-2876 . 本站查看
    10. 马玉凤,向南,豆亚杰,姜江,杨克巍,谭跃进. 军事系统工程中的知识图谱应用及研究. 系统工程与电子技术. 2022(01): 146-153 . 百度学术
    11. 张毅,王爽胜,何彬,叶培明,李克强. 基于BERT的初等数学文本命名实体识别方法. 计算机应用. 2022(02): 433-439 . 百度学术
    12. 李攀锋,陈樱珏,钟泠韵,林锋. 基于多粒度认知的命名实体识别方法. 四川大学学报(自然科学版). 2022(02): 64-70 . 百度学术
    13. 杨璐,张恬,郑丽敏,田立军. 兽药致病命名实体Att-Aux-BERT-BiLSTM-CRF识别. 农业机械学报. 2022(03): 294-300 . 百度学术
    14. 彭雪,赵辉,郑肇谦,庞海婷. 融合多种嵌入表示的中文命名实体识别. 长春工业大学学报. 2022(01): 81-90 . 百度学术
    15. 刘巨升,于红,杨惠宁,邵立铭,宋奇书,李光宇,张思佳,孙华. 基于多核卷积神经网络(BERT+Multi-CNN+CRF)的水产医学嵌套命名实体识别. 大连海洋大学学报. 2022(03): 524-530 . 百度学术
    16. 刘巨升,杨惠宁,孙哲涛,杨鹤,邵立铭,于红,张思佳,叶仕根. 面向知识图谱构建的水产动物疾病诊治命名实体识别. 农业工程学报. 2022(07): 210-217 . 百度学术
    17. 左亚尧,陈皓宇,陈致然,洪嘉伟,陈坤. 融合多语义特征的命名实体识别方法. 计算机应用. 2022(07): 2001-2008 . 百度学术
    18. 臧凌玉,张应中,罗晓芳. 基于双重深度迁移学习的机械领域命名实体识别. 计算机应用与软件. 2022(09): 219-224 . 百度学术
    19. 范晓武,葛嘉恒. 高速公路突发事件实体识别及事件分类联合模型研究. 计算机时代. 2021(01): 11-15+20 . 百度学术
    20. 赵鹏飞,赵春江,吴华瑞,王维. 基于注意力机制的农业文本命名实体识别. 农业机械学报. 2021(01): 185-192 . 百度学术
    21. 姜同强,王岚熙. 基于双向编码器表示模型和注意力机制的食品安全命名实体识别. 科学技术与工程. 2021(03): 1103-1108 . 百度学术
    22. 王玉玲. 大数据背景的电子商务商品实体识别算法. 微型电脑应用. 2021(06): 80-83 . 百度学术
    23. 娄培,方安,赵琬清,杨晨柳,胡佳慧. 电子病历信息抽取可视化分析. 医学信息学杂志. 2021(04): 35-40 . 百度学术
    24. 刘继明,孙成,袁野. 基于训练模型改进的语音问句信息抽取方法. 科学技术与工程. 2021(18): 7635-7641 . 百度学术
    25. 郑丽敏,任乐乐. 采用融合规则与BERT-FLAT模型对营养健康领域命名实体识别. 农业工程学报. 2021(20): 211-218 . 百度学术
    26. 张晗,胡永进,郭渊博,陈吉成. 信息安全领域内实体共指消解技术研究. 通信学报. 2020(02): 165-175 . 百度学术
    27. 尉桢楷,程梦,周夏冰,李志峰,邹博伟,洪宇,姚建民. 基于类卷积交互式注意力机制的属性抽取研究. 计算机研究与发展. 2020(11): 2456-2466 . 本站查看
    28. 胡万亭,郭建英,张继永. 一种基于改进ELMO模型的组织机构名识别方法. 计算机技术与发展. 2020(11): 25-29 . 百度学术

    其他类型引用(54)

计量
  • 文章访问数: 
  • HTML全文浏览量:  0
  • PDF下载量: 
  • 被引次数: 82
出版历程
  • 发布日期:  2014-08-14

目录

    /

    返回文章
    返回