79、网页图像标注与深度网络查询松弛解决方案

网页图像标注与深度网络查询松弛解决方案

一、网页图像标注实验

1.1 实验数据

实验所用数据均从互联网抓取。图像数据集通过 HTML 解析获取，并过滤掉无意义的小图标，数据集大小为 4000 张图像。经过网页数据处理后，得到 1600 张训练图像，其余置信度分数较低的图像用于标注。数据集中有 70 个语义关键词，将共现最多的关键词分组作为类别，例如“手机”关键词组视为一个类别。新图像的标注由后验概率最大的类别中的关键词确定。全局特征为 528 维，根据 MPEG7 提取颜色和纹理特征。通过计算平均召回率、精确率和 F1 值来衡量算法质量，计算公式如下：
- 召回率（Recall）：$Recall = \frac{|WC|}{|WG|}$
- 精确率（Precision）：$Precision = \frac{|WC|}{|WM|}$
- F1 值（F1 measure）：$F1 = \frac{2 * Recall * Precision}{Recall + Precision}$

其中，$|WG|$ 表示测试集中人工标注为标签 $w$ 的图像数量，$|WM|$ 表示算法标注为相同标签的图像数量，$|WC|$ 表示算法正确标注的图像数量。

1.2 网页数据处理的有效性

使用网页数据处理方法获取训练集时，有两个可调参数需要确定：
- $C$：判断文本是否为标题的阈值，实验中选择 $C = 0.4$。当文本为粗体、字体较大且长度不超过 5 时，$Score(text) = 0.4$。
- $T$：判断同一网页中标题和图像是否具有高语义对应性的阈值，选择 $T = 1$。当标题和图像位于同