山东大学学报(工学版)

作者：张红斌,邱蝶蝶,邬任重,朱涛,滑瑾,姬东鸿

单位：1. 华东交通大学软件学院，江西 南昌 330013；2. 华东交通大学信息工程学院，江西 南昌 330013；3. 武汉大学国家网络安全学院，湖北 武汉 430072

关键词：图像属性标注,极端梯度提升树,迁移学习,弱分类器,深层语义,

基金：国家自然科学基金资助项目(61762038);国家自然科学基金资助项目(61741108);国家自然科学基金资助项目(61861016);教育部人文社会科学研究规划基金资助项目(16YJAZH029);教育部人文社会科学研究规划基金资助项目(17YJAZH117)

提出基于极端梯度提升树(eXtreme gradient boosting，XGBoost)算法的图像属性标注模型，以改善标注性能：提取图像局部二值模式(local binary patterns，LBP)、灰度纹理空间包络特征(Gist)、尺度不变特征变换(scale invariant feature transform，SIFT)、视觉几何组(visual geometry group，VGG)等特征，以准确刻画图像视觉内容；基于图像特征，采用XGBoost算法集成弱分类器为强分类器，完成图像属性标注；深入挖掘图像属性蕴含的深层语义，构建全新的、层次化的属性表示体系，以贴近人类客观认知；设计迁移学习策略并合理组合分类模型，进一步改善标注性能。试验表明：Gist特征能真实刻画图像视觉内容；执行基础迁移学习后，标注精准度比迁移学习前最优指标提升8.69%；执行混合型迁移学习后，合理组合分类模型，标注精准度比基础迁移学习的最优指标提升17.55%。模型有效地改善图像属性标注精度。

来源：2019年第2期

《山东大学学报(工学版)》期刊编辑部

查看山东大学学报(工学版)杂志2019年第2期