基于多示例框架的属性学习算法

摘要

属性学习是一种底层特征抽取算法,丰富了底层特征的语义信息.提出了基于多示例框架的属性学习算法,可以准确地预测每个属性的所在区域;提出了基于区域聚类的示例合并算法,有效地减少了示例包中示例的个数,提高了算法效率,提升了属性分类器的性能;此外,还提出了含有语义群的多示例多标记学习框架,进而得到所有属性的分类器;最后,在原有数据库标记的基础上,采取人工标注的方式补充并修正了样本的属性标记,重新构建了属性数据库.在a-Pascal和a-Yahoo标准数据库上与其他基于属性学习的图像检索算法进行对比,验证了所提算法的有效性和可行性,更能满足用户的检索需求.