互联网 qkzz.net
全刊杂志网:首页 > 女性 > 文章正文
刊社推荐

基于贝叶斯学习的视频检索相关反馈算法设计


□ 邓 丽 刘小辉 金立左 费树岷

  摘要:针对信息检索中如何提高检索的精度问题,提出了一个基于相关反馈的视频检索算法。使用概率框架来描述检索问题,并根据贝叶斯学习按照用户的行为来更新概率分布,实现自动相关反馈,提高了检索精度。实验表明,用该算法检索的准确度比基于最近邻特征线(NFL)的视频检索方法有明显提高。
  关键词: 视频检索;相关反馈;贝叶斯学习
  中图分类号:TN911.73; TP391.41文献标志码:A
  文章编号:1001-3695(2008)03-0934-02
  
  基于内容的视频检索是目前多媒体信息技术的研究热点。由于计算机自动抽取的视觉低级特征与人们所理解的语义之间存在巨大的差距,其检索结果往往难以令人满意,通常使用相关反馈技术来弥补这个差距,提高检索精度。相关反馈在信息检索中是一种指导性学习技术,用于提高系统的检索能力。相关反馈方法的基本思路是在检索过程中,允许用户对检索结果进行评价和标记,指出结果中哪些查询是与查询图像相关的,哪些是无关的;然后将用户标记的相关信息作为训练样本反馈给系统进行学习,指导下一轮检索,从而使得检索结果更符合用户的需求。相关反馈技术最早用于文档检索系统中[1],之后在基于内容的图像检索中得到广泛应用[2~6]。近年来也在基于内容的视频检索中得到应用[7~10]。
  基于贝叶斯理论的相关反馈算法根据用户的反馈信息进行统计推算,用概率框架来描述检索问题,与其他一些方法相比[1~4, 8~10],基于概率统计的贝叶斯学习相关反馈算法在基于内容的信息检索任务中表现得更加突出一些。在
  该领域中人们做了很多工作[5~7],取得了显著的成绩。
  Cox等人[5]首先把这一理论用于图像检索系统,根据在给定用户目标图像的情况下用户在交互中的行为模型,通过对当前用户行为的观察,利用贝叶斯学习来预测目标图像,并利用贝叶斯框架试图用熵估计来最小化反馈迭代的次数以进行目标搜寻。Vasconcelos等人[6]将特征分布看成一个高斯混合模型并用贝叶斯推理在一次检索过程的迭代反馈中进行学习。其特征分布模型支持区域匹配。该方法的潜在问题是计算效率问题和导致太多参数需要用极其有限的样例进行估计的复杂数据模型。文献[7]利用距离确定初始镜头之间的相似度定义关联矩阵,以确定不同镜头之间的关联;然后利用贝叶斯公式来根据用户的标记更新目标概率,并采用提升采样来选择下一次迭代显示给用户的目标集合。该方法仅采用每一个镜头的第一帧作为关键帧。
  
  1视频检索中的贝叶斯相关反馈算法设计
  
  1.1检索框架
  本节给出相关反馈算法贝叶斯框架的总体描述。用户通过一系列显示和动作在数据库中寻找一个特殊的数据项。
  记视频库为VS=S1,…,Sn,Sr为视频库中任意一个镜头,检索目标为Ω,假设本次检索已进行了t轮反馈,并且t轮反馈记录为Ht={R0,A1,R1,A2,R2,…,At,Rt}。其中:Ri是第i轮系统的检索结果显示;Ai是用户在第i轮做出的动作,即对Ri中的镜头作出的语义相关性判断。 ......
很抱歉,暂无全文,若需要阅读全文或喜欢本刊物请联系《计算机应用研究》杂志社购买。
欢迎作者提供全文,请点击编辑
分享:
 

了解更多资讯,请关注“木兰百花园”
分享:
 
精彩图文


关键字
支持中国杂志产业发展,请购买、订阅纸质杂志,欢迎杂志社提供过刊、样刊及电子版。
关于我们 | 网站声明 | 刊社管理 | 网站地图 | 联系方式 | 中图分类法 | RSS 2.0订阅 | IP查询
全刊杂志赏析网 2017