-
题名基于负样本精简概念格规则的语义概念检测
- 1
-
-
作者
潘润华
詹永照
-
机构
江苏大学计算机科学与通信工程学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2011年第23期54-56,共3页
-
基金
江苏省自然科学基金资助项目"基于对象运动深层语义的视频事件检索方法研究"(BK2009199)
-
文摘
为挖掘视频中丰富的语义信息,提出基于负样本精简概念格规则的语义概念检测方法。分析基于概念格的语义分析系统,考虑训练数据中负样本的信息,提出利用负样本精简的语义规则提取算法,将其应用于视频语义检测。先将视频镜头的低层特征映射到低层语义特征,再利用该算法生成语义分类规则,进行视频语义概念检测。实验结果表明,该方法是有效可行的。
-
关键词
概念格
视频语义概念检测
精简规则
低层语义特征
K-均值
-
Keywords
concept lattice
video semantic concept detection
reduced rule
low-level semantic feature
k-means
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
-
题名伪标签置信选择的半监督集成学习视频语义检测
被引量：10
- 2
-
-
作者
尹玉
詹永照
姜震
-
机构
江苏大学计算机科学与通信工程学院
-
出处
《计算机应用》
CSCD
北大核心
2019年第8期2204-2209,共6页
-
基金
国家自然科学基金资助项目(61672268)
江苏省重点研发计划项目(1721190141)~~
-
文摘
在视频语义检测中,有标记样本不足会严重影响检测的性能,而且伪标签样本中的噪声也会导致集成学习基分类器性能提升不足。为此,提出一种伪标签置信选择的半监督集成学习算法。首先,在三个不同的特征空间上训练出三个基分类器,得到基分类器的标签矢量;然后,引入加权融合样本所属某个类别的最大概率与次大概率的误差和样本所属某个类别的最大概率与样本所属其他各类别的平均概率的误差,作为基分类器的标签置信度,并融合标签矢量和标签置信度得到样本的伪标签和集成置信度;接着,选择集成置信度高的样本加入到有标签的样本集,迭代训练基分类器;最后,采用训练好的基分类器集成协作检测视频语义概念。该算法在实验数据集UCF11上的平均准确率到达了83.48%,与Co-KNN-SVM算法相比,平均准确率提高了3.48个百分点。该算法选择的伪标签能体现样本所属类别与其他类别的总体差异性,又能体现所属类别的唯一性,可减少利用伪标签样本的风险,有效提高视频语义概念检测的准确率。
-
关键词
视频语义概念检测
半监督
集成学习
伪标签
置信度
-
Keywords
video semantic concept detection
semi-supervised
ensemble learning
pseudo-label
confidence
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于多模态子空间相关性传递的视频语义挖掘
被引量：12
- 3
-
-
作者
刘亚楠
吴飞
庄越挺
-
机构
浙江大学计算机科学与技术学院
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2009年第1期1-8,共8页
-
基金
国家自然科学基金项目(60603096
60533090)
+1 种基金
国家"八六三"高技术研究发展计划重点基金项目(2006AA010107)
长江学者和创新团队发展计划基金项目(IRT0652)~~
-
文摘
在视频语义信息理解和挖掘中,充分利用图像、音频和文本等多模态媒质之间的交互关联是非常重要的研究方向.考虑到视频的多模态和时序关联共生特性,提出了一种基于多模态子空间相关性传递的语义概念检测方法来挖掘视频的语义信息.该方法对所提取视频镜头的多模态底层特征,根据共生数据嵌入(co-occurrence data embedding)和相似度融合(Si mFusion)进行多模态子空间相关性传递而得到镜头之间的相似度关系,接着通过局部不变投影(locality preserving projections)对原始数据进行降维以获得低维语义空间内的坐标,再利用标注信息训练分类模型,从而可对训练集外的测试数据进行语义概念检测,实现视频语义信息挖掘.实验表明该方法有较高的准确率.
-
关键词
视频语义挖掘
多模态
语义概念检测
子空间相关性传递
时序关联共生特性
-
Keywords
video semantics mining multi-modality propagation
temporal associated co-occurrence semantic concept detection
subspace correlation
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
