基于极端梯度提升树算法的图像属性标注

张红斌¹(),邱蝶蝶¹,邬任重¹,朱涛²,滑瑾²,姬东鸿³

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

收稿日期:2018-07-04出版日期:2019-04-20发布日期:2019-04-19

作者简介:张红斌(1979—)，男，江苏如皋人，副教授，硕士生导师，博士，主要研究方向为图像标注，自然语言处理，机器学习. E-mail:zhanghongbin@whu.edu.cn
基金资助: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)

Image attribute annotation based on extreme gradient boosting algorithm

Hongbin ZHANG¹(),Diedie QIU¹,Renzhong WU¹,Tao ZHU²,Jin HUA²,Donghong JI³

1. Software School, East China Jiaotong University, Nanchang 330013, Jiangxi, China
2. School of Information, East China Jiaotong University, Nanchang 330013, Jiangxi, China
3. School of Cyber Science and Engineering, Wuhan University, Wuhan 430072, Hubei, China

Received:2018-07-04Online:2019-04-20Published:2019-04-19


Supported by: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)

摘要/Abstract

摘要： 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。


PDF全文下载地址:

http://gxbwk.njournal.sdu.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=1803