誰能推薦自動圖像注釋 (AIA) 的最佳(最新)調查研究論文?
如今,大量的圖像可用。然而,為普通用戶檢索所需的圖像在計算機視覺系統中是一項具有挑戰性的任務。在過去的二十年中,已經引入了許多類型的研究來提高圖像自動注釋的性能,這些研究傳統上集中在基于內容的圖像檢索上。
不過,最近的研究表明,基于內容的圖像檢索與人類可理解的圖像語義之間存在語義鴻溝。因此,該領域的現有研究已經彌合了低級圖像特征和高級語義之間的語義鴻溝。彌合語義鴻溝的傳統方法是通過使用機器學習技術提取語義特征的自動圖像注釋 (AIA)。
此外,現有 AIA 技術中使用的圖像特征也可以分為區域和全局圖像特征(例如塔斯克);基于區域的特征需要圖像分割,而全局圖像特征是從所有圖像中計算出來的。全局圖像特征有兩種表示;這些是要點和顏色直方圖。顏色直方圖的提取涉及三種顏色空間(RGB、LAB 和 HSV),這些顏色空間在計算機視覺中使用最多。與綜合特征相比,局部特征可以捕獲更多語義圖像內容。尺度不變特征變換 (SIFT) 和有力的類型描述符通常作為兩個受限特征來實現。在本研究中考慮了這兩個特征以確保適當的圖像表示。兩個特征的結構描述如下:
- 一種。低級圖像特征:這些是圖像中特征或自主實體的組合。它們通過專注于圖像的基本微觀細節來提供圖像組件的特定描述,例如背景、顏色、紋理或形狀。
- B.高級功能:這些特征是重要的圖像表示屬性,因為它們從全局角度表示圖像,并且指的是圖像的概念或定義。這些特征可以有效地模仿人類的感知系統。
本站所有相關知識僅供大家參考、學習之用,部分來源于互聯網,其版權均歸原作者及網站所有,如無意侵犯您的權利,請與小編聯系,我們將會在第一時間核實并給予反饋。