A Framework of Semantic Active Learning and Its Application to Content-based Image Retrieval

瀏覽統計 Email 通知 RSS Feed

簡歷

基本資料

Project title

Code/計畫編號

NSC94-2213-E019-020

Translated Name/計畫中文名

主動式語意學習方法設計及其在內容導向影像檢索之應用

Project Coordinator/計畫主持人

Shyi-Chyi Cheng

Funding Organization/主管機關

National Science and Technology Council

Department/Unit

Department of Computer Science and Engineering

Website

https://www.grb.gov.tw/search/planDetail?id=1142392

Year

2005

Start date/計畫起

01-08-2005

Expected Completion/計畫迄

01-07-2006

Bugetid/研究經費

513千元

ResearchField/研究領域

資訊科學--軟體

" 本計畫提出了一個應用於基於內容導向的影像資料庫檢索系統(Content-based image retrieval, CBIR)的影像語意學習、擴展與調適的方法，這個新的語意學習方法的基礎是AHP(Analytical Hierarchy Process)。AHP是由Satty所提出的，其使用了一個系統化的方法來解決具有多重判斷準則的決策問題。由於不同問題具有不同的定性描述分析與判斷準則，AHP便可因此應用於相當廣泛的領域之上。一般而言，一張影像可以具有多重的語意或許多不同的解讀方式，我們無法單單僅使用影像的低階特徵來完整且正確地描述一張影像可以代表的所有意思，然AHP提供了一個好的方法，依據AHP的方法模型，我們可以藉由衡量語意適切性程度的方法來表達一張影像所能表示出的複雜語意。基於事先定義好的語意階層(Concept hierarchy)，每張影像皆可以建構出一個包含多個語意描述適切程度的語意向量，而這個語意向量便代表了該影像內容的語意。再根據這些向量，所有影像便可作某種程度上地語意相似性分群。每一個根據語意向量分群後的群聚，我們可以再藉由分析該群的低階特徵的同質性，如顏色、材質、形狀等來得到每一個群聚的不同低階特徵之間的重要性程度。利用設定每一群不同低階特徵之間的重要性權重所提出來的語意學習方法，有效地在內容導向的影像檢索系統之上將低階特徵與高階語意作了適當的連接。基於這樣的連結方式，我們更進一步提出語意擴展與學習機制，以降低語意導入的複雜度。初步實驗的結果顯示加上AHP語意學習方法之後，效能上的表現是比傳統的文字導向或內容導向檢索效果更加出色的，同時驗正了本計畫語意學習機制可行。 "

Keyword(s)

內容導向影像檢索
高階語意特徵
AHP
機器學習
語意擴展
智慧型系統

DSpace CRIS

A Framework of Semantic Active Learning and Its Application to Content-based Image Retrieval

基本資料

Description