La anotación automática de la imagen del (también conocido como imagen automática que marca con etiqueta) es el proceso por el cual un sistema informático asigna automáticamente los meta datos bajo la forma de que subtitula o las palabras claves a una imagen digital. Este uso de las técnicas de la visión de computadora se utiliza en sistemas de la recuperación de la imagen para organizar y para localizar imágenes del interés de una base de datos .
Este método se puede mirar como tipo de la clasificación multiclase de la imagen con un número muy grande de clases - tan grandes como el tamaño del vocabulario. Típicamente, el análisis de imagen bajo la forma de vectores extraídos de la característica y las palabras de la anotación del entrenamiento son utilizados por técnicas del aprendizaje de máquina para intentar aplicar automáticamente anotaciones a las nuevas imágenes. Los primeros métodos aprendieron las correlaciones entre las características de la imagen y las anotaciones del entrenamiento, después las técnicas fueron desarrolladas usar la traducción automática para intentar y para traducir el vocabulario textual con el “vocabulario visual”, o arracimaron las regiones conocidas como gotas del . El trabajo después de estos esfuerzos ha incluido los acercamientos de la clasificación, modelos de la importancia y así sucesivamente.
Las ventajas de la anotación automática de la imagen contra la recuperación Contenido-basada de la imagen son que las preguntas se pueden especificar más naturalmente por el usuario. CBIR (actualmente) requiere generalmente a usuarios buscar por conceptos de la imagen tales como color y textura, o encontrar preguntas del ejemplo. Ciertas características de la imagen en imágenes del ejemplo pueden eliminar el concepto que el usuario está enfocando realmente encendido. Los métodos tradicionales de recuperación de la imagen tales como ésos usados por las bibliotecas han confiado en imágenes manualmente anotadas, que es costosa y desperdiciadora de tiempo, dado especialmente las bases de datos de imagen grandes y constante-crecientes en existencia.
Algunos motores de la anotación están en línea, incluyendo el motor que marca con etiqueta en tiempo real de ALIPR.com desarrollado por los investigadores de Penn State, y Behold - un Search Engine de la imagen que ponga en un índice sobre 1 millón de imágenes de Flickr usar etiquetas automáticamente generadas.
Un cierto trabajo importante
del modelo de la co-ocurrencia de la palabra- Anotación como de la traducción automática
- de los modelos estadísticos
- Indexación de direcciones lingüística automática del de los cuadros
¡Modelo jerárquico del racimo del aspecto del
- ¡Modelo de asignación latente de Dirichlet
-
de etiquetado multiclase supervisado del
- de la semejanza de la textura
- El vector de la ayuda trabaja a máquina el
- Conjunto de árboles de decisión y de
al azar del
de los Subwindows
-
máximo del
de la entropía
- ¡La importancia modela
- ¡La importancia modela usar funciones de densidad continuas de probabilidad
-
coherente del
del modelo de la lengua
- ¡Redes de inferencia
- ¡Distribución de Bernoulli múltiple
-
múltiple del
de las alternativas del diseño
-
natural del
de la anotación de la escena
- ¡Filtros globales bajos relevantes
- ¡Características globales de la imagen y valoración no paramétrica de la densidad
-
video del
de la semántica
- Refinamiento de la anotación de la imagen usar de la base de conocimiento
Ver también
Reconocimiento de patrónRecuperación de la imagen
el Contenido-basó la recuperación de la imagen
.
| Random links: | Tirada de Meyers, Alaska | Gabriela ferri | Districto de Shimohei, Iwate | MobileOne | Fundación libre del congreso |