将图像自动标注看作是一个多类分类问题,目前的方法大多将其分解为两类分类问题,随着训练数据和类别的增多,这样处理时间开销将急剧增加。针对该问题,提出了一种基于支持向量数据描述SVDD(Support Vector Data Description)的标注算法,...将图像自动标注看作是一个多类分类问题,目前的方法大多将其分解为两类分类问题,随着训练数据和类别的增多,这样处理时间开销将急剧增加。针对该问题,提出了一种基于支持向量数据描述SVDD(Support Vector Data Description)的标注算法,能够同时降低训练和标注过程的时间复杂度,具有易于扩充的优势。该算法利用SVDD获得包含单类数据的最小超球,通过超球边界对未标注图像进行分类并实现语义标注。在Corel数据集上的实验结果表明,该方法能显著提高图像标注的效率,并具有较好的标注性能。展开更多
文摘将图像自动标注看作是一个多类分类问题,目前的方法大多将其分解为两类分类问题,随着训练数据和类别的增多,这样处理时间开销将急剧增加。针对该问题,提出了一种基于支持向量数据描述SVDD(Support Vector Data Description)的标注算法,能够同时降低训练和标注过程的时间复杂度,具有易于扩充的优势。该算法利用SVDD获得包含单类数据的最小超球,通过超球边界对未标注图像进行分类并实现语义标注。在Corel数据集上的实验结果表明,该方法能显著提高图像标注的效率,并具有较好的标注性能。
