导 师: 蒋树强
学科专业: H1203
授予学位: 硕士
作 者: ;
机构地区: 中国科学院
摘 要: 对于计算机视觉和机器学习的一些应用来说,如何计算样本之间的距离至关重要。在真实的图像场景中,类内多样性、类间相似性和语义鸿沟等问题都对图像的距离计算构成重大的挑战,由此导致图像分析结果和人类认知的巨大差异,使得图像分类、检索、标注等应用的性能不能令人满意。在目前的大部分图像距离度量学习方法中,只是利用视觉信息去模拟图像间的距离,并不能很好的处理大规模图像数据集中多类概念间的多样性和复杂性的问题。为了解决这个问题,我们提出在距离度量学习过程中融入人类的先验知识—概念间的语义关系。这不仅可以精确的模拟图像间的相似性...
关 键 词: 距离度量学习 图像分类 语义信息融合 近邻成分分析
分 类 号: [TP391.41 TP181]