期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于多示例学习的遥感图像检索
被引量：
2
1
作者
葛永
吴秀清
洪日昌
《中国科学技术大学学报》
CAS
CSCD
北大核心
2009年第2期132-136,共5页
将基于多示例学习的相关反馈技术应用到遥感图像检索中.为了避免局部最小值和减少冗余计算量,对传统的多示例学习算法——多样密度算法进行了改进.改进的算法利用用户标注的样本学习得到的查询概念,指导下一轮检索.为了提高查准率,综合...
将基于多示例学习的相关反馈技术应用到遥感图像检索中.为了避免局部最小值和减少冗余计算量,对传统的多示例学习算法——多样密度算法进行了改进.改进的算法利用用户标注的样本学习得到的查询概念,指导下一轮检索.为了提高查准率,综合学习得到的查询概念,提出了查询概念集来取代查询概念.实验结果表明,该算法比传统方法具有更好的检索性能.
展开更多
关键词
基于内容的遥感图像检索
相关反馈
多示例学习
多样
密度
算法
下载PDF
职称材料
基于特征提取和多示例学习的图像区域标注
被引量：
13
2
作者
张滢
齐美彬
+1 位作者
周云
蒋建国
《电子测量与仪器学报》
CSCD
2014年第8期909-914,共6页
随着web2.0的不断发展,在Flickr等图像共享网站中越来越多的用户在上传图像的同时提供了标注,因此如何确定这些已有的标注在图像中的相关性区域成了一个热门的研究问题。提出了一种基于图像低层视觉特征和多示例学习方法的图像区域标注...
随着web2.0的不断发展,在Flickr等图像共享网站中越来越多的用户在上传图像的同时提供了标注,因此如何确定这些已有的标注在图像中的相关性区域成了一个热门的研究问题。提出了一种基于图像低层视觉特征和多示例学习方法的图像区域标注方法,文中的方法首先对图像进行分割,对分割后的图像区域提取低层视觉特征作为它的区域特征,最后通过多示例学习问题的多样性密度算法思想来对图像进行区域标注。实验中对已被标注的大量数据集进行分析,正确率达到了85%,与已有的图像区域标注方法相比,在区域标注的正确率上有着明显的改善。
展开更多
关键词
图像标注
区域标注
特征提取
多示例学习
多样
性
密度
算法
下载PDF
职称材料
题名
基于多示例学习的遥感图像检索
被引量：
2
1
作者
葛永
吴秀清
洪日昌
机构
中国科学技术大学电子工程与信息科学技术系
出处
《中国科学技术大学学报》
CAS
CSCD
北大核心
2009年第2期132-136,共5页
基金
国家高新技术研究发展计划(2004AA783052)资助
文摘
将基于多示例学习的相关反馈技术应用到遥感图像检索中.为了避免局部最小值和减少冗余计算量,对传统的多示例学习算法——多样密度算法进行了改进.改进的算法利用用户标注的样本学习得到的查询概念,指导下一轮检索.为了提高查准率,综合学习得到的查询概念,提出了查询概念集来取代查询概念.实验结果表明,该算法比传统方法具有更好的检索性能.
关键词
基于内容的遥感图像检索
相关反馈
多示例学习
多样
密度
算法
Keywords
content-based remote sensing image retrieval
relevance feedback
multi-instance learning
diverse density algorithm
分类号
TN911.73 [电子电信—通信与信息系统]
下载PDF
职称材料
题名
基于特征提取和多示例学习的图像区域标注
被引量：
13
2
作者
张滢
齐美彬
周云
蒋建国
机构
合肥工业大学计算机与信息学院
出处
《电子测量与仪器学报》
CSCD
2014年第8期909-914,共6页
基金
国家自然科学基金(61174170
61004103
+1 种基金
61100127)
教育部博士点基金(20100111110005)资助项目
文摘
随着web2.0的不断发展,在Flickr等图像共享网站中越来越多的用户在上传图像的同时提供了标注,因此如何确定这些已有的标注在图像中的相关性区域成了一个热门的研究问题。提出了一种基于图像低层视觉特征和多示例学习方法的图像区域标注方法,文中的方法首先对图像进行分割,对分割后的图像区域提取低层视觉特征作为它的区域特征,最后通过多示例学习问题的多样性密度算法思想来对图像进行区域标注。实验中对已被标注的大量数据集进行分析,正确率达到了85%,与已有的图像区域标注方法相比,在区域标注的正确率上有着明显的改善。
关键词
图像标注
区域标注
特征提取
多示例学习
多样
性
密度
算法
Keywords
image tag
region labeling
feature extraction
multiple-instance learning
diverse density algorithm
分类号
TP391 [自动化与计算机技术—计算机应用技术]
TN911.73 [自动化与计算机技术—计算机科学与技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于多示例学习的遥感图像检索
葛永
吴秀清
洪日昌
《中国科学技术大学学报》
CAS
CSCD
北大核心
2009
2
下载PDF
职称材料
2
基于特征提取和多示例学习的图像区域标注
张滢
齐美彬
周云
蒋建国
《电子测量与仪器学报》
CSCD
2014
13
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
