节点文献

SVM用于基于内容的自然图像分类和检索

Content-Based Natural Image Classification and Retrieval Using SVM

  • 推荐 CAJ下载
  • PDF下载
  • 不支持迅雷等下载工具,请取消加速工具后下载。

【作者】 付岩王耀威王伟强高文

【Author】 FU Yan 1) WANG Yao-Wei 2) WANG Wei-Qiang 1) GAO Wen 1),2) 1)(Institute of Computing Technology, Chinese Academy of Sciences, Beijing 100080) 2)(Graduated School of the Chinese Academy of Sciences, Beijing 100039)

【机构】 中国科学院计算技术研究所中国科学院研究生院中国科学院计算技术研究所 北京100080北京100039北京100080北京100080北京100039

【摘要】 在传统的基于内容图像检索的方法中 ,由于图像的领域较宽 ,图像的低级视觉特征和高级概念之间存在着较大的语义间隔 ,导致检索效果不佳 .该文认为更有现实意义的做法是 ,缩窄图像的领域以减小低级特征和高级概念间的语义间隔 ,并利用机器学习方法自动建立图像类的模型 ,从而提供用户概念化的图像查询方式 .该文以自然图像领域为例 ,使用支持向量机 (SVM )学习自然图像的类别 ,学习到的模型用于自然图像分类和检索 .实验结果表明作者的方法是可行的 .

【Abstract】 In the traditional approach of content-based image retrieval, the wide image domain results in the wide semantic gap between the low-level features and the high-level concepts. We propose to narrow the image domain and use machine learning methods to automatically construct models for image classes, thus providing users with a conceptualized way to image query. In this paper, support vector machines are trained for natural image classification. The resulting image class models are incorporated into image retrieval system, so that the users can search natural images by classes. The experimental results are promising.

【基金】 到国家“八六三”高技术研究发展计划项目“实时图像检索与过滤关键技术研究”课题 ( 2 0 0 1AA14 2 14 0 );国家网络与信息安全中心“网络视频流内容检测技术研究及系统”课题资助
  • 【文献出处】 计算机学报 ,Chinese Journal of Computers , 编辑部邮箱 ,2003年10期
  • 【分类号】TP391.3
  • 【被引频次】179
  • 【下载频次】1670
节点文献中: 

本文链接的文献网络图示:

本文的引文网络