57、大规模文本到图像检索及最大后验核分类器的研究

大规模文本到图像检索及最大后验核分类器的研究

大规模文本到图像检索的贝叶斯K邻域模型

在文本到图像检索领域，贝叶斯方法和朴素贝叶斯分解查询得出所需分数的表达式：
[sc(q, p) = \sum_{i=1}^{n} \left[\beta \frac{1}{K_{max}} \sum_{K=1}^{K_{max}} \frac{C_{Ki}}{K} + (1 - \beta) \frac{1}{|d|} \right]]

计算问题

为实现良好的计算性能和可扩展性，需考虑以下计算问题：
1. 区分训练和测试图像 ：训练图像已知一组训练查询的相关性判断，而测试图像则无。在实际场景中，已知描述的图像数量相对总图像数量较少，但目标是对所有图像进行检索。训练图像用于定义集合 (P_{i}^{+})，对于测试图像 (p)，需估计词汇表中任何单词的条件概率 (p(w_{i} | p))，该概率在训练时估计并存储在表中，测试时通过表中对应查询词和特定图像位置的值相乘计算得分 (sc(q, p))。
2. 高效计算 (p(w_{i} | p)) ：这涉及两个重要部分，一是为词汇表中每个单词 (w_{i}) 获取集合 (P_{i}^{+})，二是计算任何图像 (p) 的 (K) 邻域。计算邻域是最耗时的部分，需获取 (p) 与所有训练图像的距离，可使用快速搜索算法减轻此任务。根据数据集不同，最终使用了两种方法：视觉词哈希（VWH）和局部敏感哈希（LSH），使用快速搜索算法的方法记为 FKNIR（Fast KNIR）。