12、基于标签的场景图像分类语义特征研究

基于标签的场景图像分类语义特征研究

在计算机视觉领域，图像特征提取是一项关键任务，其方法的优劣直接影响到图像分类等任务的效果。传统的图像特征提取方法主要依赖图像的内容和结构信息，如颜色、纹理、形状等，但在处理具有类间相似性的模糊图像时，这些信息往往显得不足。本文将介绍一种基于网络上相似图像的标注/描述标签的新型语义特征提取方法，旨在提高场景图像分类的准确性。

传统方法的局限性

传统的图像特征提取方法主要分为三类：
1. 传统视觉特征 ：基于SIFT、GIST、HOG等算法提取，依赖图像的颜色、强度等核心信息，通常在局部计算，属于低层次特征，适用于纹理图像等特定领域，但维度较高。
2. 深度学习特征 ：从深度学习模型的中间层提取，不同层提供不同的语义信息，能够提取更具区分性的特征，在图像分类中取得了显著成功。
3. 基于标签的特征 ：虽然有相关研究提出使用标签进行场景图像识别，但现有方法存在明显问题。例如，任务通用的滤波器组缺乏场景图像的上下文信息，而现有的基于标签的方法不设计滤波器组，导致特征维度高且存在明显的离群值，分类准确率有限。

提出的新方法

为了解决上述问题，本文提出了一种新的基于标签的语义特征提取方法，该方法主要包括两个步骤：
1. 滤波器组的设计
- 标签预处理 ：使用Yandex搜索引擎提取数据集中每个图像的前50个视觉相似图像的标注/描述标签，然后对这些标签进行预处理，包括去除标点符号、数字、分词和语言翻