责任胜于能力读书分享会.ppt

万方数据
基于相关反馈的一种加权距离法巴电子测试赵文霞,周海英斜贝笱У缱佑爰扑慊蒲Ъ际跹г海摘要:在基于内容的图像检索系统中我们经常使用一些底层特征,如表现图像的颜色和文本信息。如果给出了这些特征的内容,如特征向量,我们就可以通过计算特征空间的距离测量出图像之间的相似度。然而,这些底层特征并不一定能反映人的视觉中高层概念的相似度。相关反馈技术就是通过交互检索来提高检索性能,在数据库的搜索中参考了用户的反馈信息。因此提出了一种加权距离法,数据库中的图像与用户选择的那些相关图像的特征值的标准偏差的比率就是该图像的加权值。反馈技术不仅适用于相互独立的权值还适用于增量更新的权值,并且这些权值反过来也改善了不同特征在数据库检索中的效果。实验中用平均查准率和增进来评估检索性能,在有幅图像的数据库中,首轮交互之后检索的性能就平均提高了。关键宇:相关反馈;加权距离;—个能很好地将视觉似的图像映射到最近的位置。在图像检索结果中常见—些现象:有时—些图像是与待查询的图像很大程度上是不相关的,仅仅因为这些图像在特征空间中与待查询的图像是接近的就被检索出来。因此,需要采用改进权值的方法来改善检索结果。车第中图分类号:文献标识码:,珻:.,琓:。—.,..%;;
万方数据
琘;粕琘;∑善】畒■,我们就可以用盯,盯‰对于盯拓辍鰅,表辛谐隽种可能出现的情况。定义倍酱螅!胄∈保司突岷艽蟆U庖簿倍投ⅰ攵即笫保咏。这表明数底层特征也要表示出高层概念的相似度和人的视觉的主观性。为了让用户更多地参与检索过程,有些检索系统已经允许用户衡量这些底层特征。由于普通用户对专家设计的底层特征并不是很了解,所以通常来说这种方法是不可取的。最近,修改权值的方法已经在相关反馈技术中得到了广泛的应用。其主要思想是将用户考虑在检索循环中。首先把用户输入的原始查询图像在数据库中进行初始搜索,再在初始搜索结果的基础上,用户根据自己的实际需要把图像分为相关图像和不相关图像。这样就根据交互检索把反馈的信息参与到数据库的搜索中。在图像数据库检索中,相关反馈方法常用一些信息检索文献中已成型的思想。一种常用的思想是向量空间模型,原始特征向量和由用户标记的相关或不相关图像的特征向量的加权线性组合构成了—个新的查询特征向量。其他的方法包括使用关键词、创建概率用户模型、修改距离测量、重组检索结果、特征密度估计和交互权值更新等。检索算法依赖于直接从图像中计算出的特征。但是我们仅想使用用户反馈回来的信息而不是使用人工关键词或者启发式的假设,而且我们也不能假设用户的一切信息要求,更不能假设用户要搜索图像的分类,相关或不相关。因此,在唤谒阉髦懈萦没У姆蠢〉玫健P┨卣鳎我们赋予这些特征权值。其特征值与整个数据库和用户选择的相关图像的标准偏差的比率既适用于相互独立的权值之间,也适用于增量更新的权值之间。本文对一个含有幅图像的数据库进行了实验,其检索性能也采用平均查准率进行评价。我们还定义了一个新的测量值“增进”来测量其性能。或中图像的第鎏卣鞣至康闹祡。在检索过程中,通过计算特征空间中特征向量的距离来得出图像之间的相似度。给定特征向量蚘,加权向量眉尤ê蟮腖嗬耄和加权后的也距离:从模式识别的角度来看,如果描述图像内容的—个特征很好,那么在数据库的所有图像中它的方差可能很大但是在所有相关的图像中它的方差应该很小。所有这种特征中也许并不是每—个都是相互独立的,但是当与其他特征结合时就会表现出这个特征是个好的特征,能够很好地描述图像的内容。中第鎏卣鞯娜ㄖ怠R环矫妫杂诟ǖ囊环枷瘢于整个数据库来说它的相关图像集只是—个很小的集合;另一方面,其他的图像就会归类为不相关的图像。这里我反馈图像都是个较小的集合,这样可能就更好地概括了前面的检索嗫觥产。由表騄以看剑表甲越缮舷蛏级鱅亘史捉康摹首先,给出了文中用到的—些定义。意味着数据库中图像的特征有多种集合,但是这些相关图航换ニ阉鞯拇问像的特征值却是相似的。这也是一种预期情况而且还表明骸8鎏卣飨蛄恐刑卣鞯母鍪了在区分某个特定的相关图像集时这个特征是非常有效的,第嗡阉骱蟮募焖骷,琄,其所以就要赋予这个有效的特征更大的权重。中表示整个数据库。凇#簕在中标记为相关的那些图像的集合据库中的这个特征可能也是个很好的特征,但是对于某些们只用相关的图像集,因为由用户选择的相关和不相关的表ㄖ档难≡~
万方数据
巴ⅰ。.琷,⋯,这里#甹和希琷直鹗茄就停甹的一笛楹徒峁交互检索检索性能倍和仃都小时,毗也会接近于U庥笨凇小,叮■笫保,就会很小。这种情况扑愣ⅰ雑,琎。扑阃盯:/盯‰,琎,并目规范化砒拢苆脀气进行最后搜索,卢琎。其中,检索算法过程中的盯‰的计算有两种方法:当=兄兴兄刀