[发明专利]一种基于扩展的sLDA模型对图像进行标题注释的方法

摘要

本发明涉及一种基于扩展的sLDA模型对图像进行标题注释的方法，是为了解决现有的图像注释方法会遇到可伸缩性问题，只能处理一个小的注释词汇表，缺乏通用型和易用性的缺点而提出的，包括：对于输入的图像，提取图像的局部特征，并利用K‑means算法得到图像的N个视觉词汇；使用LDA模型表示给定文档隐藏变量的后验分布；引入响应变量并将响应变量分布定义成多变量伯努利分布；使用基于凸性的LDA推理变分算法进行公式近似；求取变分参数值；估计模型参数；预测响应变量的分布。本发明适用于图像标题注释系统。

主权项

1.一种基于扩展的sLDA模型对图像进行标题注释的方法，其特征在于，包括：步骤一、对于输入的图像，提取图像的局部特征，并利用K‑means算法得到图像的N个视觉词汇wn，其中n∈{1,2...,N}，N为正整数；步骤二、使用LDA模型表示给定文档隐藏变量的后验分布：其中α和β是模型参数，z和θ分别是主题变量和主题比例；步骤三、在步骤二中引入响应变量y以及响应变量的参数η和δ，同时将并将响应变量分布定义成多变量伯努利分布，即将公式(3)表示为：步骤四、根据基于凸性的LDA推理变分算法将式(5)近似成其中狄利克雷参数γ和多项参数(φ₁,φ₂,...,φ_N)均为自由的变分参数；z_n为第n个词的主题变量；将logp(θ,z,w|α,β,η,δ)和q(θ,z|γ,φ)期望的差值记作L；步骤五、求取能够使L的下界达到最大值的变分参数γ和φ；步骤六、估计模型参数ψ＝{α,β,η,δ}；步骤七、根据模型参数ψ和变分参数γ和φ预测响应变量y的分布p(y|w)。