用于全场景标注的基于区域的 pLSA 模型自适应学习
计算机视觉与模式识别
2013-11-25 v1
摘要
本文提出了一种基于区域的概率潜在语义分析 (pLSA) 模型，以完成全场景标注任务。具体而言，我们不仅为每幅图像生成适当的标签列表，还将每个区域与其对应的标签进行定位。我们整合了现有基于区域工作的优势：采用高效且强大的 JSEG 算法进行分割，使得每个区域能够轻松表达有意义的对象信息；引入 pLSA 模型有助于更好地捕捉低层特征背后的语义信息。此外，我们还提出了一种自适应填充机制，自动为每个区域选择最优填充策略，从而直接提升了整体系统性能。最后，我们在 Corel 数据库上进行了三项实验以验证我们的想法，并展示了系统的有效性和准确性。
引用
@article{arxiv.1311.5590,
title = {Adaptive Learning of Region-based pLSA Model for Total Scene Annotation},
author = {Yuzhu Zhou and Le Li and Honggang Zhang},
journal= {arXiv preprint arXiv:1311.5590},
year = {2013}
}
备注
Volume 2, Page 131-136. 2010 International Conference on Information and Multimedia Technology