基于弱匹配概率典型相关性分析的图像自动标注

来源：软件学报杂志2017年第2期北京时间：

作者：张博,郝杰,马刚,史忠植

单位：张博，中国矿业大学 计算机科学与技术学院, 江苏 徐州 22111611,郝杰，徐州医科大学 医学信息学院, 江苏 徐州 22100402,马刚，中国科学院 计算技术研究所 智能信息处理重点实验室, 北京 100190;中国科学院大学, 北京 10004903,史忠植，中国科学院 计算技术研究所 智能信息处理重点实验室, 北京 10019004

摘要：针对弱匹配多模态数据的相关性建模问题，提出了一种弱匹配概率典型相关性分析模型（semi-paired probabilistic CCA，简称SemiPCCA）.SemiPCCA模型关注于各模态内部的全局结构，模型参数的估计受到了未匹配样本的影响，而未匹配样本则揭示了各模态样本空间的全局结构.在人工弱匹配多模态数据集上的实验结果表明，SemiPCCA可以有效地解决传统CCA（canonical correlation analysis）和PCCA（probabilistic CCA）在匹配样本不足的情况下出现的过拟合问题，取得了较好的效果.提出了一种基于SemiPCCA的图像自动标注方法.该方法基于关联建模的思想，同时使用标注图像及其关键词和未标注图像学习视觉模态和文本模态之间的关联，从而能够更准确地对未知图像进行标注.

关键词：典型相关性分析;概率典型相关性分析;弱匹配典型相关性分析;图像自动标注

基金资助：国家重点基础研究发展计划（973）（2013CB329502）；国家自然科学基金（61035003）；国家高技术研究发展计划（863）（2012AA011003）；国家科技支撑计划（2012BA107B02）；江苏省自然科学基金（BK20160276）