全国统一系统

新加坡国立大学的真实世界网络图像数据库。本文介绍了美国国立大学实验室创建的一个用于媒体搜索的网络图像数据集。该数据集包括:(1)来自Flickr的269648张图片和相关标签,共有5018个唯一标签;(2) 从这些图像中提取了6种低层特征,包括64维颜色直方图、144维颜色相关图、73维边缘方向直方图、128维小波纹理、通过5x5固定网格分区提取的225维分块颜色矩和基于SIFT描述的500维单词包;(3)81个可用于评价的概念的基本事实。在此数据集的基础上,我们突出了Web图像集合的特点,并确定了Web图像标注和检索的四个研究问题。我们还使用传统的k-NN算法从标签中学习,从而为web图像标注提供基线结果。基准测试结果表明,从足够大的图像数据集中学习有效的模型是可能的,以便于一般的图像检索。


zbMATH中的参考文献(参考文献20条)

显示第1到第20个结果,共20个。
按年份排序(引用)

  1. 何,贾;杜长英;壮族,福珍;阴、心;何青;龙国平:多视图分类和回归的在线贝叶斯最大边缘子空间学习(2020)
  2. 太阳,邓迪;包、媛媛;葛美玲;丁、转联;Luo,Bin:标签细化的双图正则化稀疏低秩矩阵恢复(2020)
  3. 朱红民;黄浩、黄浩;动态成本敏感型在线标签(2019年:Hsuan)
  4. Francisco Charte,Antonio J.Rivera,David Charte,María J.del Jesus,Francisco Herrera:管理多标签数据集的提示、指南和工具:mldr.datasets R包和Cometa数据存储库(2018)阿尔十四
  5. 刘、杨;冯林;刘盛兰;孙木欣:全局相似性保持哈希(2018)
  6. 薛哲;李国荣;黄清明:基于最优预测子空间学习的联合多视图表示与图像标注(2018)
  7. 燕、彩霞;罗,闽南人;刘欢;李志辉;郑庆华:Top-(k)多特征多类支持向量机(2018)
  8. 安东努奇,亚历山德罗;Corani,Giorgio:多标签朴素credal分类器(2017)
  9. 张彦硕;聂飞萍;王明玉:基于结构化稀疏和共享子空间发现的多视图特征分析(2017)
  10. 约希,沙玛利;高希,乔伊迪普;里德,马克;Koyejo,Oluwasanmi:基于Rényi散度最小化的共正则化多视图聚类(2016)
  11. 哈米德·阿米里,S。;Jamzad,Mansour:用于可伸缩图像注释的高效多模式融合(2015)
  12. 龚云超;可,齐发;伊萨德,迈克尔;Lazebnik,Svetlana:一个用于建模互联网图像、标签及其语义的多视图嵌入空间(2014)ioport公司
  13. 卡普尔,阿什什;凯塞多,胡安C。;李钦斯基,丹尼;康成兵:图像增强的协同个性化(2014)ioport公司
  14. 刘向龙;何俊峰;Lang,Bo:大规模视觉搜索的多特征核散列(2014)
  15. 谢浩然;李青;毛旭东;李晓东;蔡、易;Rao,Yanghui:folksonomy中的社区意识用户配置文件充实(2014)ioport公司
  16. 侯建;刘维雪:《论构建通用紧凑的视觉词汇》(2013)ioport公司
  17. 李泽超;刘静;徐长生;陆汉青:MLRank:多相关学习排序图像标注(2013)
  18. 于志文;黄孝三;你,简;韩国强:使用基于SOM的过滤优化方案实现高效图像检索的可视化查询处理(2012)ioport公司
  19. 包炳坤;倪冰冰;穆亚东;严水成:面向可伸缩多标签传播的高效区域感知大图构建(2011)ioport公司
  20. 庄、月亭;韩亚红;吴飞;杨佳成:基于结构特征选择的稳定多标签增强图像标注(2011)