用于交互式视频搜索重排序的稀疏迁移学习
信息检索
2011-12-22 v3 计算机视觉与模式识别
多媒体
机器学习
摘要
视觉重排序对于提高基于文本的视频搜索的性能是有效的。然而，由于低层视觉特征与高层语义概念之间众所周知的语义鸿沟，现有的重排序算法只能取得有限的改进。在本文中，我们采用交互式视频搜索重排序，通过引入用户的标注工作来弥合语义鸿沟。我们提出了一种新颖的降维工具，称为稀疏迁移学习 (STL)，以有效且高效地编码用户的标注信息。STL 是专门为交互式视频搜索重排序而设计的。在技术上，它 a) 考虑成对判别信息，以最大程度地将标记的查询相关样本与标记的查询无关样本分开；b) 通过应用弹性网惩罚，实现了对编码用户意图的子空间的稀疏表示；c) 利用数据分布知识，将用户的标注信息从标记样本传播到未标记样本。我们在 TRECVID 2005、2006 和 2007 基准数据集上进行了大量实验，并将 STL 与流行的降维算法进行了比较。我们报告了使用所提出的基于 STL 的交互式视频搜索重排序所取得的优越性能。
关键词
引用
@article{arxiv.1103.2756,
title = {Sparse Transfer Learning for Interactive Video Search Reranking},
author = {Xinmei Tian and Dacheng Tao and Yong Rui},
journal= {arXiv preprint arXiv:1103.2756},
year = {2011}
}
备注
17 pages